科幻小说中的人工智能网络攻击,未来几年或成现实

简介: 如果你觉得让计算机程序学会自学,并在积累知识的过程中变得日渐成熟甚至有了自己的想法,是一件很可怕的事情,那么你将无法想象当它学会攻击的时候,事情会变得多失控。这不难让人们联想到目前正火热的人工智能,而在日常应用中,机器学习算法是被提到的更多的一个专业术语。

如果你觉得让计算机程序学会自学,并在积累知识的过程中变得日渐成熟甚至有了自己的想法,是一件很可怕的事情,那么你将无法想象当它学会攻击的时候,事情会变得多失控。这不难让人们联想到目前正火热的人工智能,而在日常应用中,机器学习算法是被提到的更多的一个专业术语。

与电影“银翼杀手”里的杀手机器人相去甚远,机器学习应用程序的设计目的是训练一台计算机自己完成某项任务。而从本质上来说,机器是通过一遍又一遍的人类“教导”和训练来完成这项任务的,而学习的太多,可能会成为抑制它们的障碍。

网络安全初创公司Deep Instinct的首席执行官盖伊·卡斯皮(Guy Caspi)在CNBC的新栏目“Beyond the Valley”上表示,“今天看起来像科幻小说的这种智能攻击可能在未来几年内成为现实。”

虽然这项技术有望给人们带来许多好处,比如更流畅的计算或者在没有人为干预的情况下可进行的自动化任务及其管理。但专家对此却感到万分担心,与此同时,技术人员和研究人员也在警告称这种技术对网络安全会构成的威胁,而网络安全是保护我们的计算机和数据——以及政府和企业的计算机和数据——免受黑客攻击的最根本的一环。


image

今年2月,牛津大学和剑桥大学的研究团队展开了一项研究,并表示,人工智能可被用作攻击自动驾驶飞机和自动驾驶汽车的工具,并极有可能转化成潜在的危险武器。

“像谷歌(Waymo)这样的自动驾驶汽车已经在使用深度学习技术并可以在一定程度上突破现实世界中的障碍了”卡斯皮说,“因此在网络领域,人工智能攻击传统的反恶意软件是可能的。”

此外,美国网络安全软件巨头赛门铁克公司(Symantec)的一项研究表明,去年20个国家的9.78亿人受到了网络犯罪的影响。研究人员表示,网络犯罪的受害者共损失了1720亿美元,大概平均每人142美元。

对大多数专家来说,他们更担心的是人工智能将带来一种全新的网络攻击形式,而绕过传统的反击手段。

网络安全公司Darktrace的首席执行官Nicole Eagan称:“现在使用人工智能的网络攻击仍处于早期阶段,但那一天将会到来。我认为一旦开关被打开,就不会有回头路,所以我们会特别关注攻击者可以使用AI的多种方式,因为他们有能力可以让AI融入这些网络案件中。”

原文发布时间为:2018-07-25
本文作者:Sandy
本文来自云栖社区合作伙伴“人工智能观察”,了解相关信息可以关注“人工智能观察”。

相关文章
|
19天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
211 55
|
2月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
94 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
2月前
|
机器学习/深度学习 人工智能 安全
探索人工智能在网络安全中的创新应用
探索人工智能在网络安全中的创新应用
|
2月前
|
机器学习/深度学习 人工智能 安全
人工智能与机器学习在网络安全中的应用
人工智能与机器学习在网络安全中的应用
84 0
|
3月前
|
机器学习/深度学习 算法 数据建模
计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践
计算机前沿技术-人工智能算法-生成对抗网络-算法原理及应用实践
45 0
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在现实世界中的应用:从理论到实践
【10月更文挑战第8天】人工智能在现实世界中的应用:从理论到实践
130 0
|
3月前
|
机器学习/深度学习 人工智能 算法
【人工智能】人工智能的历史发展与机器学习和神经网络
【人工智能】人工智能的历史发展与机器学习和神经网络
82 0
|
5月前
|
机器学习/深度学习 人工智能 算法
【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+TensorFlow
眼疾识别系统,使用Python作为主要编程语言进行开发,基于深度学习等技术使用TensorFlow搭建ResNet50卷积神经网络算法,通过对眼疾图片4种数据集进行训练('白内障', '糖尿病性视网膜病变', '青光眼', '正常'),最终得到一个识别精确度较高的模型。然后使用Django框架开发Web网页端可视化操作界面,实现用户上传一张眼疾图片识别其名称。
103 9
【眼疾病识别】图像识别+深度学习技术+人工智能+卷积神经网络算法+计算机课设+Python+TensorFlow
|
5月前
|
机器学习/深度学习 编解码 人工智能
【生成式对抗网络】GANs在数据生成、艺术创作,以及在增强现实和虚拟现实中的应用
生成对抗网络(Generative Adversarial Networks, GANs)在数据生成领域具有显著的应用价值。GANs通过生成器(Generator)和判别器(Discriminator)两个相互竞争的神经网络,不断迭代优化,从而生成高质量的数据样本。这一技术在数据增强方面尤为重要,特别是在数据稀缺或难以获取的领域,如医疗影像分析、自动驾驶等。GANs能够生成与真实数据相似的新数据样本,从而扩充数据集规模,提高模型的泛化能力。此外,GANs还可以用于生成仿真数据,如金融领域中的股票价格走势,用于训练预测模型,提高预测准确性
77 2
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能的未来:深度学习与神经网络的融合
在人工智能的广阔天地中,深度学习和神经网络如同两股激流,汇聚成推动技术进步的巨浪。本文将深入探讨这两种技术如何相辅相成,共同塑造未来人工智能的发展轨迹。我们将从基础概念出发,逐步揭示它们在实际应用中的协同效应,以及这种融合如何引领我们步入一个更加智能化的未来。

热门文章

最新文章