正如其他許多新興技術一樣，AI是一把雙刃劍，它對于云計算的安全影響是雙重的：這項技術可以使工作負載變得更加安全，但也可能會為新的威脅打開大門。

出現(xiàn)這種分歧的部分原因是，AI和機器學習正融入到主要的公有云平臺中。云供應商和第三方供應商提供了一系列針對新手和經(jīng)驗豐富的數(shù)據(jù)科學家的AI服務，但其中一些很可能會帶來新的機器學習安全挑戰(zhàn)。此外，一些供應商還提供依賴AI識別潛在危險的安全服務。

大量的AI和機器學習安全工具以及潛在的威脅可能最終會淹沒用戶，因為大多數(shù)組織才剛剛開始涉足這些技術。四個專家提示，供應商需要讓用戶盡快了解云計算、安全和AI之間的相互作用。

云供應商將AI添加到安全工具中

企業(yè)無法直接訪問AI在云計算中的一些最有趣的應用，因為這些算法被嵌入到托管的安全服務中。這些工具通常有兩種形式。一種會使用機器學習掃描用戶記錄來識別和分類敏感信息。那些主流云提供商和第三方安全公司，如FixStream、Loom Systems、Devo和ScienceLogic，都提供相應服務。

第二種變體使用機器學習來檢測威脅。云安全服務，如Amazon GuardDuty和微軟Azure Sentinel，利用供應商龐大的網(wǎng)絡來識別常見的威脅，并提醒管理員潛在的風險。

然而，來自公有云供應商的工具有一個主要缺點:它們不能在其他供應商的云上工作。對于希望跨多云體系結構實現(xiàn)統(tǒng)一安全狀態(tài)的組織來說，這可能是個問題。

由機器學習支持的威脅

安全專家警告稱，希望一直使用AI和機器學習的人，以及計劃將其用于邪惡目的的人之間，存在一場軍備競賽。隨著這些技術的進步，惡意者可能會使用機器學習來應對網(wǎng)絡防御，破壞檢測模型，從而更快地發(fā)現(xiàn)漏洞，而不是修補漏洞。

鑒于機器學習背后需要依賴于大量的數(shù)據(jù)，今天大部分的工作必須依托于云。公司可以快速地提供資源來處理他們的計算需求。然而，隨著公司收集有關用戶行為的數(shù)據(jù)，培訓和運行模型所需的數(shù)據(jù)可能會增加隱私方面的擔憂。為了降低這些風險，公司可以匿名化用戶數(shù)據(jù)，因此他們將不得不繼續(xù)了解數(shù)據(jù)駐留要求和其他合規(guī)規(guī)定。

在未來，當AI和機器學習工具越來越受歡迎時，云供應商也可能會采取更多措施，將安全特性直接構建到它們的AI和機器學習工具中。例如，谷歌最近添加了TensorFlow Privacy，這是其流行的TensorFlow機器學習框架的一個變體。它使用不同的隱私技術來提高模型的安全性。

通過自動化實現(xiàn)機器學習安全實踐

公有云非常適合快速擴展，但是大規(guī)模的操作會帶來復雜性。組織可能難以監(jiān)視由其資源生成的大量日志，以及分布在其帳戶上的大量用戶。未能監(jiān)視這些活動還可能會導致漏洞。

當組織刪除盡可能多的手工步驟時，就可以更好地處理這些激增的信息。AI和機器學習可以使這些努力更進一步，以實現(xiàn)自動化。

不過......

AI不是全能鑰匙

從來沒有一種技術會是應對安全威脅的萬靈藥，AI當然不例外，盡管許多組織都希望它是。對于初學者來說，算法的結果只取決于設計和數(shù)據(jù)。他們也可能被操縱和歪曲。當這些技術出現(xiàn)時，組織需要意識到它們的局限性。

更重要的是，適當?shù)木W(wǎng)絡清潔始于公司里的人，而不是技術。AI和機器學習可以加強安全方面的努力，但企業(yè)應該首先關注如何教育員工進行正確的安全實踐。