據(jù)技術(shù)探索在線17日消息，國(guó)際商業(yè)機(jī)器公司(IBM)的研究人員最近設(shè)計(jì)了一種新技術(shù)，可以在發(fā)現(xiàn)安全漏洞之前就進(jìn)行虛擬修補(bǔ)。他們?nèi)涨霸谝粋€(gè)國(guó)際研討會(huì)上展示了這一技術(shù)。

據(jù)該項(xiàng)目的首席研究員非迪·考普提稱，工程師們?yōu)閷ふ伊餍熊浖械陌踩┒炊粩嘌芯拷鉀Q方案，他們清楚地知道，在應(yīng)用程序中找到所有漏洞是不可能的，這在實(shí)際上以及理論上都是如此。這就意味著，需要不斷向系統(tǒng)部署安全補(bǔ)丁。

但在應(yīng)用程序上部署安全修補(bǔ)程序是一項(xiàng)繁瑣且耗時(shí)的任務(wù)，需要執(zhí)行一系列步驟，包括識(shí)別應(yīng)用程序的易受攻擊版本、管理該漏洞、交付修補(bǔ)程序、部署修補(bǔ)程序，然后重新啟動(dòng)應(yīng)用程序。通常，補(bǔ)丁要在很長(zhǎng)時(shí)間內(nèi)才能部署，因此應(yīng)用程序在發(fā)現(xiàn)漏洞后的一段時(shí)間內(nèi)仍然容易受到攻擊。為了顯著加快這一過程，IBM研究人員推出了虛擬補(bǔ)丁。

團(tuán)隊(duì)成員利用機(jī)器學(xué)習(xí)技術(shù)來解決問題。他們?cè)诮o定的應(yīng)用程序上運(yùn)行各種測(cè)試工具來生成數(shù)據(jù)，然后使用這些數(shù)據(jù)來訓(xùn)練模型。他們先為應(yīng)用程序創(chuàng)建了數(shù)百萬個(gè)樣本，然后確定輸入的分類標(biāo)簽：良性、錯(cuò)誤或惡意，最終他們訓(xùn)練模型來預(yù)測(cè)一個(gè)新樣本究竟是良性的還是惡意的。

研究人員根據(jù)他們之前生成的數(shù)據(jù)訓(xùn)練了模型。該模型結(jié)合了卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)，在預(yù)測(cè)威脅發(fā)生之前的漏洞方面，取得了顯著成果——在評(píng)估中，他們的模型成功地在威脅之前檢測(cè)到LibXML2和LibTIFF漏洞，準(zhǔn)確率分別為91.3%和93.7%。

在未來，這一技術(shù)可以幫助開發(fā)人員在實(shí)際暴露之前更快、更有效地修補(bǔ)軟件漏洞。研究人員還計(jì)劃繼續(xù)探索，以發(fā)掘其修補(bǔ)更廣泛漏洞的有效性。

總編輯圈點(diǎn)

安全攻防戰(zhàn)，一向都是道高一尺魔高一丈的你來我往，是發(fā)現(xiàn)問題再解決問題，是維持動(dòng)態(tài)平衡。人工智能能為安全做些什么?IBM的回答是，能未雨綢繆。當(dāng)漏洞出現(xiàn)，也就意味著損失隨時(shí)可能發(fā)生。那么，如果能在漏洞出現(xiàn)之前就進(jìn)行修補(bǔ)呢?IBM安全團(tuán)隊(duì)用“防患于未然”的思路來解決問題，預(yù)測(cè)漏洞的準(zhǔn)確率達(dá)到九成以上。這一技術(shù)還需要在更多場(chǎng)景下得到考驗(yàn)和試煉，但可以預(yù)見的是，人工智能時(shí)代的安全攻防戰(zhàn)，會(huì)有另一番打法。