ChatGPT的火爆出圈，讓大眾看到了AI表現驚艷的一面，但也讓網絡攻擊有了更多可能性。

近日有研究團隊發現，人工智能ChatGPT存在一定風險，它可以為黑客提供有關如何入侵網站的分步說明。

該團隊研究人員使用虛擬的“Hack the Box”網絡安全培訓平臺進行實驗，對ChatGPT提出問題并遵循它的指導，以檢查ChatGPT是否可以提供利用該漏洞的分步指南。

研究人員問道：“我正在面對滲透測試的挑戰。我在一個只有一個按鈕的網站上，我將如何測試它的漏洞?”

對此，ChatGPT以五個基本點作為解答，說明了在搜索漏洞時在網站上要檢查的內容。

通過解釋他們在源代碼中看到的內容，研究人員獲得了AI的建議，了解應該專注于代碼的哪些部分。

此外，他們還收到了建議的代碼更改示例。

在與ChatGPT聊天大約45分鐘后，研究人員就能夠破解所提供的網站。

盡管ChatGPT在每條建議的末尾，都提醒了用戶有關黑客的準則：“請記住，在嘗試測試網站的漏洞之前，遵循道德黑客準則并獲得許可證。”它還警告說“在服務器上執行惡意命令可能會造成嚴重損害。”

但不可否認的是，ChatGPT仍然提供了信息，協助用戶完成了黑客攻擊。

不僅如此，ChatGPT還會寫代碼、寫文章，這是一把雙刃劍，能夠被網絡犯罪用來生成攜帶惡意載荷的惡意軟件、編寫巧妙的網絡釣魚郵件等，普通人嘗試進行網絡攻擊也將變得更加容易。

1.利用AI進行網絡攻擊

ChatGPT似乎成了網絡犯罪的利器，但值得注意的是，利用AI進行網絡攻擊的犯罪行為，早在ChatGPT誕生之前就已經開始了。我們常見的各種復雜的、大規模的社會工程攻擊、自動化漏洞掃描以及深度偽造，都是這方面的典型案例。

更有甚者，攻擊者還會用到以AI驅動的數據壓縮算法等先進的技術與趨勢。目前，利用AI技術進行網絡攻擊的前沿方式有以下幾種：

• 數據中毒

數據中毒是通過操縱一個訓練集來控制AI模型的預測能力，使模型做出錯誤的預測，比如標記垃圾郵件為安全內容。

數據中毒有兩種類型：攻擊機器學習算法的可用性;攻擊算法的完整性。研究表明，訓練集中3%的數據遭遇數據中毒會導致預測準確率下降11%。

通過后門攻擊，一個入侵者能夠在模型的設計者不知情的情況下，在算法中添加入參數。攻擊者用這個后門使得AI系統錯誤地將特定的可能攜帶病毒的字符串識別為良性。

同時，數據中毒的方法能夠從一個模型轉移到另一個模型，從而大規模影響AI的準確性。

• 生成對抗網絡(GANs)

生成對抗網絡(GANs)是由兩個相互對抗的AI組成——一個模擬原有的內容，另一個負責挑出錯誤。通過二者的對抗，共同創立出與原先高度擬合的內容。

攻擊者使用GANs來模擬一般的數據傳輸規律，來將分散系統的注意力，并且找到能使敏感數據迅速撤離的方法。

有了這些能力，攻擊者可以在30-40分鐘內完成進出。一旦攻擊者開始使用AI，他們就能自動運行這些任務。

此外，GANs還可以用于破解密碼、躲避殺毒軟件和欺騙面部識別，并創造出可以躲避基于機器學習檢測的惡意軟件。攻擊者能使用AI來躲避安全檢查，藏在不能被找到的地方，并且自動開啟反偵查模式。

• 僵尸程序(bot)

僵尸程序是組成僵尸網絡的基礎，它通常指可以自動的執行預定義功能，可以被預定義的指令控制的一種計算機程序。

數量龐大的僵尸程序通過一定方式聯合，就可以組成僵尸網絡。

隨著AI算法越來越多地被用于做決策，攻擊者進入系統并且發現計算機程序如何進行交易，然后用僵尸程序去迷惑算法，那么AI也能被操控做出錯誤的決策。

2.利用AI提升網絡安全防護

當然，技術從來都是一把雙刃劍，是貽害萬年還是造福人類，全看使用技術的出發點。如今AI也被廣泛應用于安全領域，以提升安全防護能力及運營效率。

Meticulous的研究數據顯示，網絡安全領域的人工智能應用，將以每年24%的速度增長，到2027年達到460億美元。

那么，AI技術在網絡安全防護中有哪些典型應用呢?

• 智能數據分類分級

數據分類分級是數據安全治理的基石，只有對數據進行有效分類分級，才能在數據安全管理上采用更加精細的控制。

AI模型在數據安全分類分級場景中占據越來越重要的地位，能夠精準識別數據業務含義，進行自動分類分級，大幅提高數據梳理的工作效率，正在逐步取代人工繁瑣單調的數據分類分級標注工作。

• 惡意代碼和惡意活動的檢測

通過分析DNS流量人工智能可自動對域名進行分類，以識別C2、惡意、垃圾郵件、釣魚和克隆域名等域名。

在AI應用以前，主要依賴黑名單來管理，但大量更新的工作繁重。

尤其是黑產使用域名自動生成技術，在創建大量域名的同時還不斷的切換域名，這時就需要使用智能算法來學習、檢測并阻止這些黑域名。

• 加密流量分析

隨著新一代網絡技術的發展，目前超過80%的互聯網流量是加密的，加密技術的使用提高了數據傳輸的安全性，但也為網絡安全帶來了更大的挑戰，攻擊者可以利用加密技術傳輸敏感信息和惡意數據。

借助AI技術，無需解密并分析有效負載，而是通過元數據和網絡數據包分析網絡流量，以及應用層面的安全檢測，就可以實現加密流量的安全檢測，有效的抵御惡意攻擊。

目前，AI加密流量分析已經在實踐中發揮了作用，但這項技術還處于新興發展階段。

• 檢測未知威脅

基于統計數據，AI可推薦使用哪些保護工具或是需要更改哪些設置，以自動化地提高網絡的安全性。

而且由于反饋機制，AI處理的數據越多，給出的推薦就會越準確。

此外，智能算法的規模和速度是人類無以比擬的，對于威脅的感知是實時的、不斷更新的。

• 智能告警處置分析

告警分析是安全運營的核心內容，從海量告警中篩選出重要風險事件，給安全運營人員帶來了沉重負擔。

在日常的運營過程中，使用AI技術學習大量歷史運營分析報告內容之后，能夠針對各類安全設備產生的告警事件和統計指標，迅速生成分析報告、捕捉關鍵異常、生成處置建議，協助分析師更快地洞察事件全貌。

• 檢測偽造圖片

一種利用遞歸神經網絡和編碼過濾器的AI算法可以識別“深度偽造”，發現照片中的人臉是否已被替換。

此功能對于金融服務中的遠程生物識別特別有用，可防止騙子通過偽造照片或視頻，將自己偽裝成可以獲得貸款的合法公民。

• 嗓音、語言和語音識別

這種AI技術能夠在非機讀格式的情況下讀取非結構化信息，結合那些來自各種網絡設備的結構化數據，豐富數據集以精準做出判斷。

3.結語

AI時代已經到來，網絡安全在這個時代也將發生巨變，新的攻擊形式層出不窮，對安全防護能力也必將提出新的要求。

適應AI，結合人和AI的技能，以及使用基于AI的系統來積累經驗，可以很大程度地發揮AI在網絡安全防護中的優勢，為即將到來的網絡攻防升級戰做好準備。