IBM推出两大AI云服务平台和云社区平台,提高人工智能透明度

2020-01-23 11:52栏目:龙电竞官网
TAG:

图片 1

图片 2

图片 3

麻省理工学院计算机科学与人工智能实验室和安全公司PatternEx合作,拿出了名为AI2的全新人工智能系统,该系统可以检测85%的网络攻击,误报率比现有的解决方案小了5倍。新的系统不完全依靠人工智能,而且依靠用户输入,即研究人员称之为分析师直觉的东西,因此这套系统被称为AI2。研究人员表示,他们向AI2输入有超过36亿行的日志文件,使系统采用无监督的机器学习技术扫描内容。在每一天结束的时候,系统向研究人员介绍其调查结果,研究人员再证实或驳回安全警报。这个人类判断结果再输入AI2的学习系统,用于第二天新的分析。美国麻省理工学院和PatternEx研究人员表示,AI2在检测网络攻击方面实现了85%的准确性,是当今类似的自动化网络攻击检测系统准确率的2.92倍。此外,误报率也更低,比同类的网络安全解决方案的误报率小五倍。来自:中文业界资讯站

10月17日,在HUAWEI CONNECT 2018期间,华为发布了业界首款AI防火墙,集成高级威胁检测能力并联动云端,为企业提供智能化的网络边界防护。

10月17日消息,人工智能和云服务是门大生意,IBM也在不断努力争取瓜分这块大蛋糕。近日,IBM宣布推出AI OpenScale、Multi-cloud Manager两大平台和针对网络安全应用的全新云计算社区平台IBM Security Connect,将大幅提升和完善自身在AI即云服务方面的运营框架。

在企业业务不断云化、移动化、物联网化的趋势下,网络威胁与日俱增且不断演进。以APT为代表的高级威胁变得更加隐蔽,扩散更迅速,破坏性更大。高达70%的网络攻击采用加密手段,传统基于报文内容的威胁检测难以应对,导致企业网络威胁分析误报率高、威胁响应不及时。

根据哈佛商业评论最近进行的一项调查显示,2016年人工智能总投资额达到260亿美元至390亿美元之间,已然是2013年的三倍。在接下来的15个月中,大约80%的IT预算都将用于云解决方案。尽管两个行业都在稳步增长,但仅有20%的公司表示他们正以“核心方式”使用一种或多种人工智能技术;49%的公司表示,他们推迟了云部署。

防火墙作为网络安全设备已被普遍应用。传统的防火墙需要依靠网络管理员为其设置安全规则来准许什么数据包可以通过、什么数据包应被拒绝。这里面更多的是依靠管理员来保障数据包的安全性,单就防火墙本身是无法判断一个正常的数据包和一个恶意的数据包有什么不同。而智能防火墙引用的识别技术,可以很好地自行分析和处理相应的数据,同时又能巧妙地融合代理技术和过滤技术,不但可以降低计算机对数据的运算量,还能拓宽监控范围,有效地拦截对网络有害的数据流,从而更好地保障网络环境的安全。

IBM将与不同服务结合所面临的挑战归咎于二分法。为了解决其中的一些问题,IBM天推出了AI OpenScale,一个让客户能够在几乎任何基础设施上构建AI的平台;以及Multi-cloud Manager,一个“开放”解决方案,旨在简化创建在多个云服务上运行的应用程序。

华为全新发布的AI防火墙,内置基于AI的高级威胁检测引擎,支持加密流量免解密威胁检测,同时通过联动云端,威胁检出率达到99%以上;自主研发安全芯片内置加速引擎,实现IPSec、入侵防御、反病毒等防火墙关键功能的优化加速,威胁处置性能大幅提升,达到业界处理性能的2倍;基于虚拟化架构灵活集成第三方检测能力,大幅度提升整体威胁检测效果,同时实现多业务融合降低CAPEX 80%以上。

AI OpenScale

华为本次发布AI防火墙首推USG6000E系列中低端款型,应对中小企业轻量级威胁防御场景。USG6000E系列AI防火墙采用高度集成化设计:是全球首款1U高而小包吞吐能力可达百G的防火墙,全系列最高吞吐能力可达160G;接口集成度业界最高,最多可同时提供100GE、40GE、10GE、GE等多种接口模块。

AI OpenScale将于今年晚些时候推出,面向IBM Cloud和Cloud Private客户,通过在线仪表板运行,支持在众多开源框架上开发的AI模型,包括谷歌的TensorFlow、Microsoft的AzureML、SparkML、Keras、Seldon和Amazon Web服务的SageMaker。此外,它还有助于在IBM的Watson、Seldon和其他第三方平台等环境中部署这些模型。

华为网络安全领域总经理宋端智表示:“华为推出基于AI的新一代防火墙,是华为SDSec安全解决方案的安全执行器升级,解决了传统威胁检测技术颗粒粗、威胁检测周期长等问题。通过引入AI技术并基于虚拟化架构,让下一代防火墙再次进化,从‘芯’开始,让企业边界防护智能化。进而,让华为SDSec安全解决方案通过开放的架构,实现基于软件定义的安全产品间的动态协同;通过集中智能和边缘智能的配合,实现云上和云下业务的智能联动,大幅提升企业网络免疫力。”

这只是冰山一角。AI OpenScale提供了一套自主偏差检测和缓解工具,包括记录机器学习模型预测的记录系统,以及相应的模型版本,使用的培训数据以及相关的性能指标。它持续监控AI应用程序中的偏见决策,并通过“去偏差”技术,努力减轻这些偏差,同时提供AI算法给出的建议的解释。

在网络安全威胁日益严重的今天,入侵检测技术的重要性不言而喻。传统的入侵检测技术在检测速度、检测范围和体系结构等方面均存在短板。为了弥补这些短板,智能入侵检测系统借助人工智能中的模糊信息识别、规则产生式专家系统、数据挖掘和人工神经网络等技术,提升入侵检测效率,并且可以最大程度地抵御来自于各方病毒入侵所带来的潜在威胁。

通过这种方式,AI OpenScale建立在IBM早期的AI偏差检测和模型可解释性方面。9月,该公司推出了一个开源工具包—— AI Fairness 360,它包含一系列算法、代码和教程,演示了在模型中实现偏差检测的方法。在今年夏天的白皮书中,IBM研究人员为AI系统提出了“情况说明”,以回答有关系统操作、训练数据、测试设置、结果、测试方法等的问题。

要想实时地掌握计算机网络中的信息,需要网络具有将数据信息上传的功能。目前,已有诸如深度报文检测(DPI)等系统采用探针方式来搜集网络流量数据信息,同时DPI还可以进一步收集网络运行状况、网络服务质量信息以及资源使用等情况。

没有良好训练的人工智能系统将会加强偏见,因此AI系统必须得到公平的培训。专家表示,AI公平性是每个特定机器学习模型的数据集问题。人工智能公平,已经成为了一项新认识的挑战。大型云提供商正在开发和宣布有助于解决AI公平性的工具。

通过从DPI采集到的海量数据,人工智能技术可以利用其强大的理解和推理能力快速分析并判断信息中是否存在异常。例如,如果遇到突发大流量的情况,则人工智能系统可以推测网络中存在分布式拒绝服务(DDoS)攻击,并立即分析软件包特性,然后协调探针协作任务,将具有同类特征的所有软件包丢弃,从而最大限度地避免对其他网络业务造成损失。如果出现新的病毒攻击或黑客入侵,人工智能还可以利用自身的学习能力将相关记录写在安全数据库中。

IBM并不是唯一一家在开发能够减少算法偏见的平台:

华为在安全领域已经持续投入十余年,面向未来,华为始终秉承防患于未然的理念,不断为全球客户提供更多业界领先的安全产品和解决方案。

1.Facebook:在5月举行的F8开发者大会上,Facebook宣布了Fairness Flow,这是一项针对数据科学家的自动化偏向捕获服务,方便其在2018年5月搜索训练数据集中的偏见。

文章来源:华为官网

2.亚马逊:AWS于2018年7月发布了一篇博客,该博客在准确性,误报率和误报率方面构建了机器学习公平性。但AWS还没有发布开发人员工具来评估模型培训其他方面的公平性。

版权声明:本文由龙竞技官网发布于龙电竞官网,转载请注明出处:IBM推出两大AI云服务平台和云社区平台,提高人工智能透明度