随着互联网技术在体量和复杂性上的激增,不断演变的恶意网络攻击态势给网络空间带来了前所未有的安全风险。网络攻击的日益普遍和复杂化进一步加剧了网络安全挑战。这些威胁能够扰乱商业运营、抹除关键数据并造成声誉损害,对企业、关键服务和基础设施构成生存性威胁。人工智能(AI)和机器学习(ML)的恶意使用更使得不断升级的威胁雪上加霜,它们已日益成为网络犯罪工具库中的工具。在此动态格局中,"攻击性AI"的出现为网络威胁增添了新的维度。当前的攻击浪潮正超越人类能力,结合AI以智胜和超越传统的、基于规则的检测工具。"攻击性AI"的出现使得网络罪犯能够以前所未有的速度和规模执行针对性攻击,其操作隐蔽并能规避传统安全措施。随着攻击性AI的威胁迫近,各组织面临着采用新的、更复杂防御措施的迫切需求。人力驱动的网络攻击响应已难以应对自动化威胁的速度和复杂性。为应对这一日益增长的挑战,实施包括AI驱动防御在内的先进技术变得至关重要。本文探讨了AI和ML对美国网络安全的深远影响。通过一项定性的多案例研究,结合全面的文献综述和网络安全专家的见解,本研究识别了在网络安全领域利用AI的关键趋势、挑战和机遇。

关键词:人工智能,网络安全,技术,网络攻击,自动化,机器学习,物联网,云

成为VIP会员查看完整内容
13

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
深度学习模型反演攻击与防御:全面综述
专知会员服务
24+阅读 · 2025年2月3日
《人工智能和机器学习对网络安全的影响》最新273页
专知会员服务
40+阅读 · 2024年11月29日
专知会员服务
132+阅读 · 2021年6月18日
专知会员服务
67+阅读 · 2021年1月10日
机器学习模型安全与隐私研究综述
专知会员服务
113+阅读 · 2020年11月12日
人工智能和军备控制,80页pdf
专知
14+阅读 · 2022年11月2日
联邦学习安全与隐私保护研究综述
专知
12+阅读 · 2020年8月7日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
497+阅读 · 2023年3月31日
Arxiv
180+阅读 · 2023年3月24日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关VIP内容
深度学习模型反演攻击与防御:全面综述
专知会员服务
24+阅读 · 2025年2月3日
《人工智能和机器学习对网络安全的影响》最新273页
专知会员服务
40+阅读 · 2024年11月29日
专知会员服务
132+阅读 · 2021年6月18日
专知会员服务
67+阅读 · 2021年1月10日
机器学习模型安全与隐私研究综述
专知会员服务
113+阅读 · 2020年11月12日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
19+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
相关论文
微信扫码咨询专知VIP会员