如何才能減少安全風(fēng)險，為云主機(jī)、終端主機(jī)帶來全方位的保護(hù)呢？ 杰思安全認(rèn)為，機(jī)器學(xué)習(xí)（ML）是抵御當(dāng)前威脅的一道高效防線。從種種網(wǎng)絡(luò)主機(jī)入侵事件中，不難發(fā)現(xiàn)惡意軟件通常是破壞性攻擊的先兆和跳板。在過去的一年里，40％的安全事件是由傳統(tǒng)防病毒（AV）方案沒有檢測到的惡意軟件造成的。這意味著依賴傳統(tǒng)安全方案的企業(yè)很容易受到未被檢測到的惡意軟件的入侵。而經(jīng)過科學(xué)訓(xùn)練的機(jī)器學(xué)習(xí)引擎則可以對這種未知惡意軟件說不。
惡意軟件為何會繞過傳統(tǒng)AV？
傳統(tǒng)的AV在很大程度上依賴于簽名庫或病毒特征碼來識別和阻止惡意軟件。這意味著要想攔截惡意軟件，首先需要發(fā)現(xiàn)新的惡意軟件并創(chuàng)建相應(yīng)的特征簽名，將該簽名分發(fā)部署到端點。在此過程中，在惡意軟件首次出現(xiàn)、創(chuàng)建特征簽名并且使得特征簽名可用之間打開了時間窗口。這一時間差使得攻擊者有足夠的時間發(fā)起攻擊并得逞，或竊取以后可以加以利用的數(shù)據(jù)。
當(dāng)下，攻擊者不斷利用新技術(shù)來繞過反惡意軟件的安全保護(hù)措施。比較常見的技術(shù)是將已知惡意軟件修改或變形為0day變體，沒有與之匹配的特征簽名。為了實現(xiàn)這一目標(biāo)，攻擊者會不斷變化或混淆惡意軟件的真實面目，使用諸如打包程序之類的工具。通過這樣簡單的技術(shù)，就能輕而易舉地逃避檢測。現(xiàn)在，每天都會出現(xiàn)大約390,000多個新的惡意軟件，傳統(tǒng)基于簽名的技術(shù)，根本無法應(yīng)對數(shù)量如此龐大的新惡意軟件。
ML是對惡意軟件的更好防御
反惡意軟件解決方案能有效檢測已知惡意軟件，但是對于未知威脅或0day 攻擊則無能為力。要想防止未知或0day惡意軟件，則需要引入ML。這便是ML最有價值的地方。
ML是基于文件的屬性來理解和識別惡意意圖，不需要特征簽名，也不需要執(zhí)行文件來觀察其行為。經(jīng)過精心設(shè)計，ML可以成為抵御惡意軟件的極為有效的武器，檢測率高達(dá)99.5％。這使得機(jī)器學(xué)習(xí)成為任何有效端點解決方案的最低要求。杰思安全旗下的獵鷹主機(jī)安全響應(yīng)系統(tǒng)，成功將安全研究團(tuán)隊的經(jīng)驗與高級機(jī)器學(xué)習(xí)功能相結(jié)合，能幫助客戶自動識別威脅，并立即采取響應(yīng)行動。
杰思安全認(rèn)為：企業(yè)主機(jī)防范惡意軟件的能力是其安全策略是否有效的標(biāo)志之一 。無論云中的主機(jī)還是終端主機(jī)都承載了大量的關(guān)鍵數(shù)據(jù)和關(guān)鍵應(yīng)用，是不法分子覬覦的攻擊目標(biāo)。而ML能夠增加主機(jī)的主動防御能力，有效抵御0day攻擊，增強(qiáng)主機(jī)安全免疫力。不過僅依靠ML來保護(hù)端點的安全策略稍顯單薄，需要綜合實施包括ML在內(nèi)的立體端點安全解決方案，結(jié)合各種互補(bǔ)技術(shù)，例如漏洞利用預(yù)防、行為分析、意圖分析，才能提升用戶防御各種類型攻擊的綜合能力。
