隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的迅猛發(fā)展，網(wǎng)絡(luò)安全面臨的環(huán)境日益復(fù)雜，面對的安全威脅也日益升級(jí)。一系列安全事件如2016年10月由惡意軟件Mirai控制的僵尸網(wǎng)絡(luò)發(fā)起DDoS攻擊，造成美國東海岸大范圍斷網(wǎng)；2017年5月爆發(fā)的勒索病毒軟件WannaCry利用系統(tǒng)漏洞進(jìn)行攻擊，造成全球多個(gè)國家數(shù)十萬用戶電腦中毒；在我國，每年因偽基站、惡意軟件勒索等網(wǎng)絡(luò)犯罪造成的損失高達(dá)上億元。
 

      上述事實(shí)表明，網(wǎng)絡(luò)環(huán)境的安全不僅影響著國民經(jīng)濟(jì)的發(fā)展，還關(guān)系著社會(huì)的穩(wěn)定和國家的安全，因此網(wǎng)絡(luò)安全受到政府、學(xué)術(shù)界及工業(yè)界的高度重視。

      網(wǎng)絡(luò)安全是計(jì)算機(jī)與網(wǎng)絡(luò)領(lǐng)域信息安全的一個(gè)分支,隨著計(jì)算機(jī)的普及和網(wǎng)絡(luò)的發(fā)展,網(wǎng)絡(luò)安全已成為核心問題。目前，網(wǎng)絡(luò)攻擊已非常普遍和多樣化，傳統(tǒng)的以分析安全問題、固定規(guī)則設(shè)定的研究方法變得效率低下，例如需要投入大量的人力識(shí)別威脅,從威脅中提取特征并將這些特征編碼為軟件，以檢測威脅；依靠固定規(guī)則或黑白名單過濾的垃圾郵件檢測方法，這些都存在檢測效率低，規(guī)則更新不及時(shí)等問題。隨著網(wǎng)絡(luò)空間環(huán)境越來越復(fù)雜，數(shù)據(jù)維度不斷增加，對網(wǎng)絡(luò)空間安全問題的研究也提出了新的需求。

      近年來，機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理、醫(yī)療數(shù)據(jù)分析等方面的應(yīng)用研究取得了矚目的成果，展現(xiàn)了機(jī)器學(xué)習(xí)在解決分類、預(yù)測以及輔助決策中強(qiáng)大的能力。機(jī)器學(xué)習(xí)技術(shù)為解決傳統(tǒng)方法難以建模的網(wǎng)絡(luò)安全問題提供了可行性。

      其實(shí)，機(jī)器學(xué)習(xí)用于解決網(wǎng)絡(luò)安全問題已有近30年的時(shí)間。最早于1987年，Dorothy Denning發(fā)表的一篇入侵檢測方面的論文，使機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘在安全領(lǐng)域開始受到關(guān)注。而在1998年，DARPA（Defense Advanced Research Projects Agency，美國國防高級(jí)研究計(jì)劃局）發(fā)布的一個(gè)網(wǎng)絡(luò)入侵檢測方面的評估，以及在1999年的KDD（KnowledgeDiscovery in Database，知識(shí)發(fā)現(xiàn)）Cup挑戰(zhàn)賽，更是為機(jī)器學(xué)習(xí)在安全領(lǐng)域的應(yīng)用贏得了更多的支持者。但是多年來，受限于軟硬件及系統(tǒng)資源，機(jī)器學(xué)習(xí)并沒有大規(guī)模應(yīng)用。

      直到2008年，頂級(jí)學(xué)術(shù)會(huì)議ACM CCS（Computer and Communica-tionsSecurity）主辦了第一屆“人工智能網(wǎng)絡(luò)安全研討會(huì)”，并將機(jī)器學(xué)習(xí)和安全領(lǐng)域的結(jié)合作為頂級(jí)安全會(huì)議的專題。此后，機(jī)器學(xué)習(xí)應(yīng)用于網(wǎng)絡(luò)安全的研究在學(xué)術(shù)界和工業(yè)界都得到了快速發(fā)展。比如：2014年8月的Black Hat大會(huì)，機(jī)器學(xué)習(xí)應(yīng)用于網(wǎng)絡(luò)安全成為少數(shù)幾個(gè)專題之一；2016年2月的RSA大會(huì)，多數(shù)廠商宣稱在產(chǎn)品中實(shí)現(xiàn)了機(jī)器學(xué)習(xí)方法。另一方面，類似Heartbleed等漏洞的發(fā)現(xiàn)也促使了機(jī)器學(xué)習(xí)在安全領(lǐng)域的發(fā)展。這些漏洞的發(fā)現(xiàn)給安全領(lǐng)域提出了新的要求，不僅需要檢測和防御已知的攻擊行為，更需要通過機(jī)器的行為特征來檢測未知的攻擊行為，因此就需要收集和分析大量的數(shù)據(jù)。同時(shí)，硬件及數(shù)據(jù)處理方面的快速發(fā)展，使得機(jī)器學(xué)習(xí)提供的分析及行為模型在安全領(lǐng)域的應(yīng)用變得越來越重要。

      那么究竟什么是機(jī)器學(xué)習(xí)呢？機(jī)器學(xué)習(xí)是近20多年興起的一門多領(lǐng)域交叉學(xué)科,涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多門學(xué)科和理論。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動(dòng)分析獲得規(guī)律,并利用規(guī)律對未知數(shù)據(jù)進(jìn)行預(yù)測的算法。機(jī)器學(xué)習(xí)算法中涉及了大量的統(tǒng)計(jì)學(xué)理論,機(jī)器學(xué)習(xí)與統(tǒng)計(jì)推斷學(xué)聯(lián)系尤為密切,因而也被稱為統(tǒng)計(jì)學(xué)習(xí)理論。基于機(jī)器學(xué)習(xí)的計(jì)算機(jī)安全應(yīng)用是近年來計(jì)算機(jī)安全領(lǐng)域的一個(gè)有效的應(yīng)用分支,伴隨著計(jì)算機(jī)安全問題的日益嚴(yán)峻和復(fù)雜化,機(jī)器學(xué)習(xí)將發(fā)揮重要的作用。

      目前，針對機(jī)器學(xué)習(xí)自身模型的泛化能力，檢測準(zhǔn)確度、實(shí)時(shí)性等一些難以解決的問題以及可以進(jìn)一步研究的方向，現(xiàn)有的技術(shù)解決方案均不能完全滿足網(wǎng)絡(luò)安全的應(yīng)用需求，采用機(jī)器學(xué)習(xí)技術(shù)解決網(wǎng)絡(luò)安全問題仍是極具挑戰(zhàn)性的工作。除此之外，機(jī)器學(xué)習(xí)技術(shù)本身存在一定的研究難點(diǎn)，如何提高自身的安全性、如何提高可解釋性與不可溯源性、如何預(yù)防基于機(jī)器學(xué)習(xí)技術(shù)攻擊手段等問題，仍需進(jìn)行深入研究。

      總之，機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用尚處于起步階段，但隨著各種軟硬件技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)技術(shù)在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用將取得更大進(jìn)步。

      關(guān)于機(jī)器學(xué)習(xí)的相關(guān)理論和算法研究我們將會(huì)在后續(xù)文章中進(jìn)行一一介紹。