科技云报道原创。
ChatGPT的火爆出圈，让大众看到了AI表现惊艳的一面，但也让网络攻击有了更多可能性。
近日有研究团队发现，人工智能ChatGPT存在一定风险，它可以为黑客提供有关如何入侵网站的分步说明。
该团队研究人员使用虚拟的“Hack the Box”网络安全培训平台进行实验，对ChatGPT提出问题并遵循它的指导，以检查ChatGPT是否可以提供利用该漏洞的分步指南。
研究人员问道：“我正在面对渗透测试的挑战。我在一个只有一个按钮的网站上，我将如何测试它的漏洞？”
对此，ChatGPT以五个基本点作为解答，说明了在搜索漏洞时在网站上要检查的内容。
通过解释他们在源代码中看到的内容，研究人员获得了AI的建议，了解应该专注于代码的哪些部分。
此外，他们还收到了建议的代码更改示例。
在与ChatGPT聊天大约45分钟后，研究人员就能够破解所提供的网站。
尽管ChatGPT在每条建议的末尾，都提醒了用户有关黑客的准则：“请记住，在尝试测试网站的漏洞之前，遵循道德黑客准则并获得许可证。”它还警告说“在服务器上执行恶意命令可能会造成严重损害。”
但不可否认的是，ChatGPT仍然提供了信息，协助用户完成了黑客攻击。
不仅如此，ChatGPT还会写代码、写文章，这是一把双刃剑，能够被网络犯罪用来生成携带恶意载荷的恶意软件、编写巧妙的网络钓鱼邮件等，普通人尝试进行网络攻击也将变得更加容易。
利用AI进行网络攻击
ChatGPT似乎成了网络犯罪的利器，但值得注意的是，利用AI进行网络攻击的犯罪行为，早在ChatGPT诞生之前就已经开始了。
我们常见的各种复杂的、大规模的社会工程攻击、自动化漏洞扫描以及 伪造，都是这方面的典型案例。
更有甚者，攻击者还会用到以AI驱动的数据压缩算法等先进的技术与趋势。
目前，利用AI技术进行网络攻击的前沿方式有以下几种：
数据中毒数据中毒是通过操纵一个训练集来控制AI模型的预测能力，使模型做出错误的预测，比如标记垃圾邮件为安全内容。
数据中毒有两种类型：攻击机器学习算法的可用性；攻击算法的完整性。研究表明，训练集中3%的数据遭遇数据中毒会导致预测准确率下降11%。
通过后门攻击，一个入侵者能够在模型的设计者不知情的情况下，在算法中添加入参数。攻击者用这个后门使得AI系统错误地将特定的可能携带病毒的字符串识别为良性。
同时，数据中毒的方法能够从一个模型转移到另一个模型，从而大规模影响AI的准确性。
生成对抗网络（GANs）生成对抗网络（GANs）是由两个相互对抗的AI组成——一个模拟原有的内容，另一个负责挑出错误。通过二者的对抗，共同创立出与原先高度拟合的内容。
攻击者使用GANs来模拟一般的数据传输规律，来将分散系统的注意力，并且找到能使敏感数据迅速撤离的方法。
有了这些能力，攻击者可以在30-40分钟内完成进出。一旦攻击者开始使用AI，他们就能自动运行这些任务。
此外，GANs还可以用于破解密码、躲避杀毒软件和欺骗面部识别，并创造出可以躲避基于机器学习检测的恶意软件。攻击者能使用AI来躲避安全检查，藏在不能被找到的地方，并且自动开启反侦查模式。
僵尸程序（bot）僵尸程序是组成僵尸网络的基础，它通常指可以自动的执行预定义功能，可以被预定义的指令控制的一种计算机程序。
数量庞大的僵尸程序通过一定方式联合，就可以组成僵尸网络。
随着AI算法越来越多地被用于做决策，攻击者进入系统并且发现计算机程序如何进行交易，然后用僵尸程序去迷惑算法，那么AI也能被操控做出错误的决策。
利用AI提升网络安全防护
当然，技术从来都是一把双刃剑，是贻害万年还是造福人类，全看使用技术的出发点。如今AI也被广泛应用于安全领域，以提升安全防护能力及运营效率。
Meticulous的研究数据显示，网络安全领域的人工智能应用，将以每年24%的速度增长，到2027年达到460亿美元。
那么，AI技术在网络安全防护中有哪些典型应用呢？
智能数据分类分级数据分类分级是数据安全治理的基石，只有对数据进行有效分类分级，才能在数据安全管理上采用更加精细的控制。
AI模型在数据安全分类分级场景中占据越来越重要的地位，能够精准识别数据业务含义，进行自动分类分级，大幅提高数据梳理的工作效率，正在逐步取代人工繁琐单调的数据分类分级标注工作。
恶意代码和恶意活动的检测通过分析DNS流量人工智能可自动对域名进行分类，以识别C2、恶意、垃圾邮件、钓鱼和克隆域名等域名。
在AI应用以前，主要依赖黑名单来管理，但大量更新的工作繁重。
尤其是黑产使用域名自动生成技术，在创建大量域名的同时还不断的切换域名，这时就需要使用智能算法来学习、检测并阻止这些黑域名。
加密流量分析随着新一代网络技术的发展，目前超过80%的互联网流量是加密的，加密技术的使用提高了数据传输的安全性，但也为网络安全带来了更大的挑战，攻击者可以利用加密技术传输敏感信息和恶意数据。
借助AI技术，无需解密并分析有效负载，而是通过元数据和网络数据包分析网络流量，以及应用层面的安全检测，就可以实现加密流量的安全检测，有效的抵御恶意攻击。
目前，AI加密流量分析已经在实践中发挥了作用，但这项技术还处于新兴发展阶段。
检测未知威胁基于统计数据，AI可推荐使用哪些保护工具或是需要更改哪些设置，以自动化地提高网络的安全性。
而且由于反馈机制，AI处理的数据越多，给出的推荐就会越准确。
此外，智能算法的规模和速度是人类无以比拟的，对于威胁的感知是实时的、不断更新的。
智能告警处置分析告警分析是安全运营的核心内容，从海量告警中筛选出重要风险事件，给安全运营人员带来了沉重负担。
在日常的运营过程中，使用AI技术学习大量历史运营分析报告内容之后，能够针对各类安全设备产生的告警事件和统计指标，迅速生成分析报告、捕捉关键异常、生成处置建议，协助分析师更快地洞察事件全貌。
检测伪造图片一种利用递归神经网络和编码过滤器的AI算法可以识别“ 伪造”，发现照片中的人脸是否已被替换。
此功能对于金融服务中的远程生物识别特别有用，可防止骗子通过伪造照片或视频，将自己伪装成可以获得贷款的合法公民。
嗓音、语言和语音识别这种AI技术能够在非机读格式的情况下读取非结构化信息，结合那些来自各种网络设备的结构化数据，丰富数据集以精准做出判断。
结语
AI时代已经到来，网络安全在这个时代也将发生巨变，新的攻击形式层出不穷，对安全防护能力也必将提出新的要求。
适应AI，结合人和AI的技能，以及使用基于AI的系统来积累经验，可以很大程度地发挥AI在网络安全防护中的优势，为即将到来的网络攻防升级战做好准备。
来源：科技云报道
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
