不同类型的赢咖4可能很快就会保护我们免受恶意黑客的攻击
在赢咖4汽车和赢咖4救援人员之后，美国研究机构Darpa正在将其注意力转向赢咖4黑客。
国防高级研究计划署最近将工程师带到一起，解决了它认为是“大挑战”的问题。
这些比赛试图加速对它认为值得更多关注的问题的研究 - 他们引起了对自主车辆的严肃的工作，并看到了在灾难区可以帮助的赢咖4的第一个绊脚石。
接下来是一个网络大挑战，旨在开发软件足够聪明，以发现和密封其他程序中的漏洞，恶意黑客甚至知道他们存在之前。
“目前，为漏洞创建修复的过程是所有人，这是一个反应和缓慢的过程，”Darpa网络大挑战负责人Mike Walker说。
他说，这是一个巨大的挑战，因为现代软件的复杂性和计算机在理解另一个正在做什么 - 计算机先驱阿兰图灵首先探讨的问题的根本困难。
他说，随着世界上涌现出数以十亿计的小型智能网络连接设备（即所谓的赢咖4注册），对快速修复的需求将变得更加紧迫。
“我们的想法是，这些设备将以这样的数量使用，在没有自动化的情况下，我们将无法展现任何有效的网络防御。www.szrs2008.com
本周的网络挑战高潮在Def Con hacker大会上，七个团队将竞争看到谁的软件是最好的黑客。
吹起来
但自动化，智能数字防御并不局限于Darpa的网络竞技场。
在没有人类援助的情况下足以发现病毒的软件已经被广泛使用。
Symantec的首席技术官Darren Thomson表示，许多反病毒软件都是自动的，因为恶意程序的数量大多是坏人创建的。
现在有超过5亿的蠕虫，特洛伊木马和其他流行病毒。每天还有数百万人出现。
Thomson先生说，这种自动化帮助，因为传统的反病毒软件在处理任何以前没有见过的恶意软件方面真的很糟糕。
“只有约30-40％的我们保护人们的东西被这些程序抓住，”他说。
对于其余的，Thomson先生说，安全公司依赖于日益复杂的软件，可以推广从恶意软件，它知道发现它没有恶意代码。
除此之外，还有行为系统，它们在执行程序时保持注意力，如果他们做了意想不到的事情，就发出警报。
一些防御系统将它们可疑的程序放在虚拟容器中，然后使用不同的技术尝试使代码“引爆”并揭示其恶意意图。
“我们模拟击键，使它看起来像是与用户交互，使恶意软件相信它真的被使用，”Thomson先生说。
聪明的代码
大数据的兴起也促进了安全软件的一个步骤，可以帮助提高捕获传统反病毒可能错过的60-70％的恶意威胁的机会。
安全公司SentinelOne的创始人兼首席执行官Tomer Weingarten说：“机器学习可以帮助您查看恶意软件系列的核心DNA，而不是个别案例。
Weingarten先生表示，这种方法来自数据科学领域，并证明是有用的，因为大量的数据公司在开始监控PC的恶意行为时迅速收集数据。
“有很多数据，很多是重复的，”他说。
“这些是你需要构建一个非常鲁棒的学习算法，你可以教会什么是坏，什么是好的两件事。
“如果你想做一些恶意的事情，你必须采取行动，这是一种永远不正常的模式。
自动化这种异常检测是必要的，因为人或甚至很多人不可能在合理的时间内做同样的事。
而且它不仅仅是由于机器学习更好的保护的PC。www.szrs2008.com
当涉及大公司和政府时，网络盗贼渴望潜伏在他们的内部网络，同时寻找真正多汁的东西，如客户数据库，新产品设计或合同谈判和出价的细节。
安全公司Dark Trace的网络智能总监Justin Fier说，这是另一种情况，机器超过了他们的人类主人。
“你可以采取一个大数据集，让机器学习，然后使用先进的数学拉出针头在干草堆不属于，”他说。
“有时，它会得到微妙的异常，你可能不会抓住人眼。
但是，Fier先生说，将机器学习当作真正的AI是错误的。
这是向这种方法迈出的一步，他说，但是经常需要赢咖4来做出关于智能软件挑选的一些事件的最终决定。
他说，机器学习的有用性可能不完全取决于那些使用它作为国防的人。 我们遇到了一个事件，我们捕获的恶意软件只是在观察用户和记录他们的习惯，他说。 我们必须假设......
