在人工智能时代，网络安全问题已引起广泛关注。作为响应，安全研究人员转向了机器学习。机器学习确实提供了有力的帮助，但是在当前的网络攻防形势下，机器学习也很难“单肩”。在人工智能时代，各行各业最害怕听到的是“替换”：人们认为人工智能可以一步一步取代法官，速记员，建筑工人和出租车司机。但是，在许多行业中，人工智能仍旧只能起辅助作用，网络安全是目前人工智能仍然难以解决的问题之一。作为回应，安全研究人员转向了机器学习（一种人工智能形式）。对于机器学习，两个主要概念是“监督学习”。和“无监督学习”。监督学习意味着人们“讲”机器“哪个数据属于哪个类别”。然后进行数据训练；相反，无监督学习意味着“不说”。机器，然后人们直接定义最终的输出结果。以前，机器学习只是一种有前途但还不成熟的技术，但是在过去的五年中，机器学习取得了长足的进步。在许多任务中，机器学习技术可以达到与人类相近的水平。当遇到新软件时，机器学习系统将计算其为恶意软件的可能性，并根据已建立的阈值对其进行阻止或释放。如果恶意软件潜行，您只需要调整计算或重置阈值即可。研究人员将不时训练具有新行为的机器学习算法。业内人士还说：“在处理财务数据时，机器学习可以解决匹配客户联系信息，地址或发现数据趋势的经典问题。您对应用程序进行的培训越多，以“理解”数据，您得到的分析和预测结果将更加准确。”尽管机器学习在网络安全方面具有一定的防御能力，但也存在漏洞。在成都举行的C3安全峰会上，亚信通用安全产品中心总经理兼亚信网络安全产业技术研究院副总裁童宁表示，机器学习确实提供了强大的帮助，但是在当前网络下在攻守双方的情况下，机器学习也很难“一头扎住”。实际上，机器学习的问题不是最近出现的。早在许多有关机器学习的相关论文中，研究人员就反复指出机器学习的不准确性，即微调某些像素会欺骗神经网络。原因是尽管这些复杂的网络由多层处理器组成，但是每一层实际上都是通过分段线性函数来转换输入内容的。这种线性使相关模型更容易盲目地遵循推论。在某些情况下，通过恶意输入，机器学习算法可能被“毒化”。在训练过程中，或在训练后复制。通过对人眼几乎看不见的图像进行细微更改，黑客可以欺骗视觉处理系统并对其进行欺骗。此外，恶意软件作者还可以获得这些安全工具，调整其代码，并查看他们是否可以逃避检测。一些网站提供了用于检测具有主流安全系统软件的界面。最终，恶意软件作者将开始创建自己的机器学习模型来对抗安全人工智能。