汤姆林登：从信息安全的角度解读AI技术的发展

　　汤姆林登：大家下午好！女士们、先生们，非常高兴能来到这里和大家分享，因为耳机有限，不是每个人都拿到，幸好我的同事可以帮我做翻译。我们两个有时候可能会同时说话，大家听上去可能会有点困难，我们尽量避免这种情况发生，我们之后会给大家提问的机会。我们的演讲将有两份PPT，一份中文、一份英文，希望对大家有所帮助。

　　非常感谢之前AI同行陈雨强先生的精彩演讲，我们这个演讲更注重于AI和IT技术的结合和应用。我们的演讲将跟随这个提纲，首先我们介绍什么是AI，再介绍新的技术革新带给AI新的活力，把AI推向新的浪潮，然后我们做一下对比，主要是对比旧浪潮中的AI和新浪潮中的AI，再接下来我们会对AI带给信息安全领域带来的挑战做总结，再接下来是AI的新技术，在安全领域的应用，最后想介绍产品中云网安的防火墙。

　　旧的AI浪潮开始于70年代，结束于90年代，因为技术的原因，所以旧的AI浪潮并没有给大家带来颠覆性的产品，主要旧的AI浪潮是由政府机构以及学术机构所引领的，然后在2000年的时候，因为技术的革新，新的AI时代来临了，在新的AI时代里面，一些AI产品对我们的日常生活有了非常大的一些影响，IT从业者更关注新的AI浪潮而不是旧的AI浪潮。在新的AI浪潮中，作为IT从业者需要关注很多关键点。这个演讲当中我们主要着眼于网络安全这块。

　　AI应用不仅仅是模式匹配，它并没有非常固定的逻辑，它是应用比较复杂的算法来处理一些复杂问题，在这些复杂问题当中，我们有各种应用，比如说天气预报、机器视觉、语言翻译、机器人、航空系统、硬件服务预测、自动驾驶、机器学习、能源地质科学、生命科学、卫星和空间旅行等等许多领域都回用到AI。

　　促使AI的长足发展是有三个因素所导致的，这边主要讲三个因素：一是晶体管的密度的增加及晶体管能耗的缩减。二是通讯带宽的不断加强以及通讯能耗的降低。三是巨大数量的物联网设备，俗称的iOT以及其庞大的用户量所导致所带来的新价值。

　　首先详细解释一下第一条，带来AI新变革的特性，我们称之为穆尔定律，穆尔定律的简单描述，在每两年，在一块集成芯片上所集成的晶体数量会翻番，这体现在日常生活当中可以描述为每18个月之后，你会发现新一代的电脑会比旧一代电脑效能提升2倍，结合陈雨强先生的演讲，我们在18个月之后，处理问题的复杂度可以翻1倍。

　　第二条因素会导致AI新浪潮，我们称之为Glider定律，Glider定律描述的是美国通讯带宽的效能提升要远超过我们计算机能力，通讯带宽会比我们的计算机能力增加的速度快3倍，在这样的情况下，我们的通讯能力会在每6个月得到一倍的提升，更多的信息会通过一根简单的电缆进行传输，而这根简单的电缆传输的信息会是我们在1997年，所有英特网传输的信息的总和还要多。

　　第三个因素驱使AI新浪潮是Metcalfe’s定律，对于一个通讯网络，它的价值是这个通讯网络所连接的所有用户数量的平方成正比，在这样的图表上可以看到Google需要连接5000万用户，它只需要88天，而作为LinkedIn需要连接同样数量的用户需要更长的时间，这就是价值上的差别。

　　这是一个旧的AI浪潮和新的AI浪潮做的对比，大家可以看到这些数据，1970年代在斯坦福大学实验室中的一台电脑，这台旧电脑您可以看到它的数据是288KB的内存以及一个8个旧式的卡带存储设置，在这样的机器驱使下我们做的事情是非常有限的，而只有一些机器机构和学术机构有这样的资源调用这样的设备，以完成一些AI的研究。

　　这是第二个老的AI浪潮中的例子，大家可以看到Shakey带有图象识别功能的感知器，第二个图片是斯坦福手推车，这个手推车做的工作是在一个布满障碍物的房间中进行导航，绕开所有障碍物，耗时达到5个小时。

　　第三个是在旧AI时代的例子，是一家称为ThinkingMachines的公司，这家公司的座右铭是制作会思考的机器，同样是一台机器给了乔布斯制造NeXT电脑的灵感，但是很可惜，这样的机器在当时规模经济的条件下，并没有普及到大众，所以这家公司也在1994年很遗憾的宣告破产。

　　在旧的AI浪潮和新的AI浪潮中，唯独不变的是我们都在开发新的算法，在两个时代，两个AI浪潮中这个问题始终没有改变。但是在同样的问题下，我们到底有哪些区别，在两个时代当中，我们到底遇上哪些区别呢？在旧的AI浪潮中，我们可以认为所有的研究只限于研究，在商用领域相对来说是失败的。在两千年，因为很多设备普及，设备效能提升，AI研究有可能被作为商业化，AI带来更大的价值。

　　由于一些硬件的普及，以及一些效能的提升，给AI发展带来了非常大的空间，这里面可以举个例子，亚马逊HPC的服务，它所带来的效能提升以及硬件的指标，相对于它所要你付出的价格是相当必然的，相比于ThinkingMachines研究的电脑，这样的价格是他们可以承受的。

　　现在让我们看一下新的AI时代，我们所用的硬件，大家可以看到这台神威电脑，它的效能很高，这台出身于中国的神威电脑是美国最快电脑的3倍，用这台电脑有可能做一些复杂问题的处理，其中一个复杂问题是去模拟宇宙的形成，即便在今天，这台电脑也没有办法完成这样的模拟。我们知道两年之后，我们的计算能力得到1倍提升，两年之后我们有可能完成这样的课题。

　　举个例子，苹果最新的手机iPhoneX，它是全球有售，保证它的普及度，以及它所提供的影像识别的功能，这些功能可以被所有的开发者所应用。你作为开发者，可以不仅仅开发脸部识别的APP，也可以用这样的功能开发其他的APP，这个APP可以鉴别谁是坏人、谁是好人，这样的普及度情况下，AI将得到很好的发展。

　　在新的AI潮流当中，这些都是可能发生的。像自动导航系统，它可以让乘客并不持有飞机驾驶证，但是可以翱翔蓝天，这样的系统可能在两年之内就会发生，也可能在五年之内发生，但是它肯定会发生。

　　这里就会有一个问题，因为AI的算法非常复杂，我们可能并不知道它在算法当中到底做了什么，因为里面涉及到了太多的规则，在这样的情况下有一个挑战，我们知道它会带给我们什么。我们在这些算法过程中，可能会有些比较危险的东西发生，这些东西在5-10年内，可能有些比较危险的东西发生，因为这些算法是我们人类无法想透的。

　　举个例子，Equifax是一家做大数据的公司，Equifax宣称将有1.43亿美国人受到数字攻击，他们将会经历身份盗用，攻击者将会时时刻刻扫描有漏洞的网站。

　　有一个DDoS攻击是同样这样的机制发动，利用普遍被接受的物联网设备，通过物联网设备，利用物联网设备攻击DDoS服务器，这样可以把物联网全部弄瘫痪。想象一下，你是一个亚马逊用户，在这样的攻击下你将无法访问网站，将无法做出相应的行为，这样一种攻击会导致整个网络供应商相当长时间来恢复这样的服务。这样一种物联网设备可以是楼宇当中一些小的传感器，你有些传感器可以是你公司里面小的设备，这些设备都将受到影响。

　　作为IT从业者你将面临很多新的挑战，首先是隐私性，其次是可用性、完整性、认证、可管理性、法律管辖。

　　这张图片是70年代斯坦福实验室当中，神经网络的写照，作为一个个体，在这样复杂的神经网络中找出它的行为，那是非常困难的。

　　这是新AI时代所带来的挑战，因为系统变得更加复杂，分析方式也变得很多，在这样的情况下要做到有效防护，只能通过AI处理这样复杂的问题，保护我们。在这样的情况下，我们会遇到很多挑战，比如怎样在暗网当中找到潜在攻击，怎样使用动态的机器学习而不是静态的特征库，来定义一个攻击。怎样区分正常行为和可疑行为，所有这些东西都将是我们面临的一种挑战。

　　在这样的情况下，我们可以用网站保护，在网站保护情况下，我们需要的是对自学习的保护机制，它不会基于有限的规则库，而是不断迭代自身，在这样的情况下，对网站进行不间断的学习来增进保护效果。

　　这样的防火墙需要启动简便，可以防止一些新的攻击，所谓新的供给是所谓的0day攻击，它是一种新攻击模式，在攻击发生的时候是用很好的解决方案，那怎样防护这样的攻击？需要AI的介入，通过AI机器学习保护你的网站，区分合理的行为和可疑的行为。

　　非常感谢！

　　主持人：汤姆林登先生为我们展示了AI技术在信息安全领域的实际运用，开拓了我们的视野。感谢汤姆林登先生的精彩发言。下面请允许我介绍阿里云金融事业部首席数据架构师吴旭先生。吴旭先生深入了解阿里大数据体系、人工智能产品体系及开源大数据，对于大数据领域的发展趋势及在金融行业的规划建设有着深刻的理解与丰富的经验。有请他为我们作“构建期货行业打通业务的大数据平台”的主题演讲。