新浪期貨訊 2017年12月1日-3日，由中國期貨業協會、深圳市人民政府主辦的第十三屆中國（深圳）國際期貨大會在深圳召開。本屆大會以“開放融合 提升服務 共贏未來——新時代期貨及衍生品行業的轉型與發展”為主題。12月2日下午，由華泰期貨承辦的“科技發展與信息安全”分論壇召開。

　　中云網安科技（北京）有限公司首席技術官Thom Linden在論壇中表示，AI正在變革信息安全，2000年的時候，因為技術的革新，新的AI時代來臨了，在新的AI時代里面，一些AI產品對我們的日常生活有了非常大的一些影響，IT從業者更關注新的AI浪潮而不是舊的AI浪潮。在新的AI浪潮中，作為IT從業者需要關注很多關鍵點。

　　以下為文字實錄：

　　Thom Linden：大家下午好！女士們、先生們，非常高興能來到這里和大家分享，因為耳機有限，不是每個人都拿到，幸好我的同事可以幫我做翻譯。我們兩個有時候可能會同時說話，大家聽上去可能會有點困難，我們盡量避免這種情況發生，我們之后會給大家提問的機會。我們的演講將有兩份PPT，一份中文、一份英文，希望對大家有所幫助。

　　非常感謝之前AI同行陳雨強先生的精彩演講，我們這個演講更注重于AI和IT技術的結合和應用。我們的演講將跟隨這個提綱，首先我們介紹什么是AI，再介紹新的技術革新帶給AI新的活力，把AI推向新的浪潮，然后我們做一下對比，主要是對比舊浪潮中的AI和新浪潮中的AI，再接下來我們會對AI帶給信息安全領域帶來的挑戰做總結，再接下來是AI的新技術，在安全領域的應用，最后想介紹產品中云網安的防火墻。

　　舊的AI浪潮開始于70年代，結束于90年代，因為技術的原因，所以舊的AI浪潮并沒有給大家帶來顛覆性的產品，主要舊的AI浪潮是由政府機構以及學術機構所引領的，然后在2000年的時候，因為技術的革新，新的AI時代來臨了，在新的AI時代里面，一些AI產品對我們的日常生活有了非常大的一些影響，IT從業者更關注新的AI浪潮而不是舊的AI浪潮。在新的AI浪潮中，作為IT從業者需要關注很多關鍵點。這個演講當中我們主要著眼于網絡安全這塊。

　　AI應用不僅僅是模式匹配，它并沒有非常固定的邏輯，它是應用比較復雜的算法來處理一些復雜問題，在這些復雜問題當中，我們有各種應用，比如說天氣預報、機器視覺、語言翻譯、機器人、航空系統、硬件服務預測、自動駕駛、機器學習、能源地質科學、生命科學、衛星和空間旅行等等許多領域都回用到AI。

　　促使AI的長足發展是有三個因素所導致的，這邊主要講三個因素：一是晶體管的密度的增加及晶體管能耗的縮減。二是通訊帶寬的不斷加強以及通訊能耗的降低。三是巨大數量的物聯網設備，俗稱的iOT以及其龐大的用戶量所導致所帶來的新價值。

　　首先詳細解釋一下第一條，帶來AI新變革的特性，我們稱之為穆爾定律，穆爾定律的簡單描述，在每兩年，在一塊集成芯片上所集成的晶體數量會翻番，這體現在日常生活當中可以描述為每18個月之后，你會發現新一代的電腦會比舊一代電腦效能提升2倍，結合陳雨強先生的演講，我們在18個月之后，處理問題的復雜度可以翻1倍。

　　第二條因素會導致AI新浪潮，我們稱之為Glider定律，Glider定律描述的是美國通訊帶寬的效能提升要遠超過我們計算機能力，通訊帶寬會比我們的計算機能力增加的速度快3倍，在這樣的情況下，我們的通訊能力會在每6個月得到一倍的提升，更多的信息會通過一根簡單的電纜進行傳輸，而這根簡單的電纜傳輸的信息會是我們在1997年，所有英特網傳輸的信息的總和還要多。

　　第三個因素驅使AI新浪潮是Metcalfe’s定律，對于一個通訊網絡，它的價值是這個通訊網絡所連接的所有用戶數量的平方成正比，在這樣的圖表上可以看到Google需要連接5000萬用戶，它只需要88天，而作為LinkedIn需要連接同樣數量的用戶需要更長的時間，這就是價值上的差別。

　　這是一個舊的AI浪潮和新的AI浪潮做的對比，大家可以看到這些數據，1970年代在斯坦福大學實驗室中的一臺電腦，這臺舊電腦您可以看到它的數據是288KB的內存以及一個8個舊式的卡帶存儲設置，在這樣的機器驅使下我們做的事情是非常有限的，而只有一些機器機構和學術機構有這樣的資源調用這樣的設備，以完成一些AI的研究。

　　這是第二個老的AI浪潮中的例子，大家可以看到Shakey帶有圖象識別功能的感知器，第二個圖片是斯坦福手推車，這個手推車做的工作是在一個布滿障礙物的房間中進行導航，繞開所有障礙物，耗時達到5個小時。

　　第三個是在舊AI時代的例子，是一家稱為Thinking Machines的公司，這家公司的座右銘是制作會思考的機器，同樣是一臺機器給了喬布斯制造NeXT電腦的靈感，但是很可惜，這樣的機器在當時規模經濟的條件下，并沒有普及到大眾，所以這家公司也在1994年很遺憾的宣告破產。

　　在舊的AI浪潮和新的AI浪潮中，唯獨不變的是我們都在開發新的算法，在兩個時代，兩個AI浪潮中這個問題始終沒有改變。但是在同樣的問題下，我們到底有哪些區別，在兩個時代當中，我們到底遇上哪些區別呢？在舊的AI浪潮中，我們可以認為所有的研究只限于研究，在商用領域相對來說是失敗的。在兩千年，因為很多設備普及，設備效能提升，AI研究有可能被作為商業化，AI帶來更大的價值。

　　由于一些硬件的普及，以及一些效能的提升，給AI發展帶來了非常大的空間，這里面可以舉個例子，亞馬遜HPC的服務，它所帶來的效能提升以及硬件的指標，相對于它所要你付出的價格是相當必然的，相比于Thinking Machines研究的電腦，這樣的價格是他們可以承受的。

　　現在讓我們看一下新的AI時代，我們所用的硬件，大家可以看到這臺神威電腦，它的效能很高，這臺出身于中國的神威電腦是美國最快電腦的3倍，用這臺電腦有可能做一些復雜問題的處理，其中一個復雜問題是去模擬宇宙的形成，即便在今天，這臺電腦也沒有辦法完成這樣的模擬。我們知道兩年之后，我們的計算能力得到1倍提升，兩年之后我們有可能完成這樣的課題。

　　舉個例子，蘋果最新的手機iPhone X，它是全球有售，保證它的普及度，以及它所提供的影像識別的功能，這些功能可以被所有的開發者所應用。你作為開發者，可以不僅僅開發臉部識別的APP，也可以用這樣的功能開發其他的APP，這個APP可以鑒別誰是壞人、誰是好人，這樣的普及度情況下，AI將得到很好的發展。

　　在新的AI潮流當中，這些都是可能發生的。像自動導航系統，它可以讓乘客并不持有飛機駕駛證，但是可以翱翔藍天，這樣的系統可能在兩年之內就會發生，也可能在五年之內發生，但是它肯定會發生。

　　這里就會有一個問題，因為AI的算法非常復雜，我們可能并不知道它在算法當中到底做了什么，因為里面涉及到了太多的規則，在這樣的情況下有一個挑戰，我們知道它會帶給我們什么。我們在這些算法過程中，可能會有些比較危險的東西發生，這些東西在5-10年內，可能有些比較危險的東西發生，因為這些算法是我們人類無法想透的。

　　舉個例子，Equifax是一家做大數據的公司，Equifax宣稱將有1.43億美國人受到數字攻擊，他們將會經歷身份盜用，攻擊者將會時時刻刻掃描有漏洞的網站。

　　有一個DDoS攻擊是同樣這樣的機制發動，利用普遍被接受的物聯網設備，通過物聯網設備，利用物聯網設備攻擊DDoS服務器，這樣可以把物聯網全部弄癱瘓。想象一下，你是一個亞馬遜用戶，在這樣的攻擊下你將無法訪問網站，將無法做出相應的行為，這樣一種攻擊會導致整個網絡供應商相當長時間來恢復這樣的服務。這樣一種物聯網設備可以是樓宇當中一些小的傳感器，你有些傳感器可以是你公司里面小的設備，這些設備都將受到影響。

　　作為IT從業者你將面臨很多新的挑戰，首先是隱私性，其次是可用性、完整性、認證、可管理性、法律管轄。

　　這張圖片是70年代斯坦福實驗室當中，神經網絡的寫照，作為一個個體，在這樣復雜的神經網絡中找出它的行為，那是非常困難的。

　　這是新AI時代所帶來的挑戰，因為系統變得更加復雜，分析方式也變得很多，在這樣的情況下要做到有效防護，只能通過AI處理這樣復雜的問題，保護我們。在這樣的情況下，我們會遇到很多挑戰，比如怎樣在暗網當中找到潛在攻擊，怎樣使用動態的機器學習而不是靜態的特征庫，來定義一個攻擊。怎樣區分正常行為和可疑行為，所有這些東西都將是我們面臨的一種挑戰。

　　在這樣的情況下，我們可以用網站保護，在網站保護情況下，我們需要的是對自學習的保護機制，它不會基于有限的規則庫，而是不斷迭代自身，在這樣的情況下，對網站進行不間斷的學習來增進保護效果。

　　這樣的防火墻需要啟動簡便，可以防止一些新的攻擊，所謂新的供給是所謂的0day攻擊，它是一種新攻擊模式，在攻擊發生的時候是用很好的解決方案，那怎樣防護這樣的攻擊？需要AI的介入，通過AI機器學習保護你的網站，區分合理的行為和可疑的行為。

　　非常感謝！