Table of contents
為什麼機器學習在網路安全中很重要？
Table of contents
機器學習正在改變網路安全性的遊戲，讓網路專業人員能夠從被動的安全性姿態轉變為主動的安全性姿態。
在過去二十年間，網路安全性專家試圖透過縮短辨識與解除 威脅的時間來對抗網路攻擊。回應時間已從數天縮短到數小時或數分鐘，但網路攻擊者仍未放棄。如果有的話，網路攻擊已變得更頻繁、更複雜，有可能在幾秒鐘內對企業、政府機構和公用事業造成嚴重破壞。
相關影片
為什麼機器學習對於發現和保護物聯網裝置至關重要？
大多數安全專家都承認，談到網路攻擊，業界已經打了一段時間的防禦戰。然而，由於 機器學習 (ML) 演算法現在已被用來偵測網路入侵、 惡意軟體 和 網路釣魚嘗 試，因此安全性專業人員擁有了一個強大的新武器。
智慧型網路安全性
ML 讓安全專家及其組織更能掌控網路安全性。由於 ML 可以近乎即時地預測和對抗威脅情報，因此網路安全性變得智慧化，讓網路防護從被動狀態轉變為主動。方法如下：
- 領先新興威脅。
當 IT 團隊能針對網路威脅由守轉攻時，就能獲得優勢。在網路核心使用時，ML 演算法可辨識已知與未知的威脅。 ML 驅動的下一代防火牆就是如此，它使用 ML inline 來抵禦 95% 的未知威脅。線上機器學習無法阻擋的威脅，可透過零延遲的簽章更新，近乎即時地解除威脅。
- 獲得整個企業的可視性和安全性。
沒有網路的可視性，安全性團隊就無法有效運作。隨著攝影機和平板電腦等更多物聯網 (IoT) 裝置加入網路，能夠看到所有應用程式、使用者和裝置已變得越來越重要。以 ML 為基礎的安全性可提供端對端裝置的可視性，並協助偵測網路異常。
- 改善安全政策。
ML 建模可將遙測資訊轉換為建議的安全政策變更。此功能對於物聯網安全性尤其重要，因為它可讓安全性專業人員針對網路中的所有裝置，檢視並採納物聯網安全性政策建議。其結果是為企業提升安全性，並為安全性團隊節省時間。
- 減少人為錯誤造成的漏洞。
網路安全性專業人員瞭解，要跟上應用程式和裝置的變化速度是多麼具有挑戰性。此外，手動更新安全政策通常既麻煩又容易出錯。當使用於網路安全性的核心時，ML 可以建議並傳播強大的安全性政策，節省安全性團隊手動更新的時間，並降低人為錯誤的機會。
安全性團隊為何要考慮採用 ML 驅動的 NGFW？
ML Powered NGFW 顛覆了迄今為止的安全部署與執行方式。安全性團隊應該考慮採用 ML Powered NGFW，因為：
- 根據測試，它能主動即時防護高達 95% 的新威脅。
- 它可以阻止惡意腳本和檔案，而不會影響使用者體驗。
- 它無需額外的硬體，即可將可視性和保護功能擴展至物聯網裝置。根據客戶資料，偵測到的物聯網裝置數量增加了三倍。
- 它可減少人為錯誤，並自動更新安全政策，以防止最先進的攻擊。
想瞭解 Palo Alto Networks 如何利用機器學習保護今日的企業免受明日的威脅？閱讀我們的電子書 ML-Powered NGFW 的 4 個關鍵要素：機器學習如何顛覆網路安全性。
