為了強化網路安全成效，並防範不良行為者運用 AI 發起更精密的攻擊，政府和企業領導人每天都在詢問如何將人工智慧 (AI) 和機器學習 (ML) 的優勢發揮到最大。這些領導人都面對相同的三大關鍵挑戰：
- 多數公司平均使用 45 種網路安全工具，導致各式各樣的問題，例如安全保護範圍間存在落差、配置錯誤，且必須採用人工作業方式。
- 此外，此產業正面臨網路安全人才短缺的問題，因此如何找到合適的技能組合、如何培訓和留住安全專業人員來操作各種工具，可能都不容易。
- 由於網路安全工具的資料零散，導致企業未能從中擷取珍貴的見解，亦即企業並未聰明運用這些資料，將其導入全方位的網路安全風險管理。
要解決多數資安長面臨的所有上述挑戰，Palo Alto Networks 資深副總裁暨網路安全總經理Anand Oswal 透露網路安全技術採用 AI 的秘訣就是平台化。
平台化的優點在於安全解決方案可彼此整合、互通，有助完整掌握並控制安全基礎架構。不同廠商的各種堆疊，意外讓網路安全變得很複雜，若進行平台化，則可透過單一虛擬管理平台掌握整個生態系統。如此一來，即可統一管理和操作，讓使用者在單位介面撰寫政策，並透過雲端快速、一致部署在各處。
- 情境理解：結合不同來源的資料，有助於進一步全方位理解安全事件的因果關係。例如，針對網路流量日誌、端點行為和雲端活動建立關聯，有助於辨識潛在入侵指標 (IOC)，並揭發資料個別分析時可能會忽略的隱藏威脅。
- 即時攻擊防範：運用各種資料集訓練的 AI 模型，能夠學習不同領域的複雜模式和行為，進而辨識單一資料來源可能難以察覺的異常和非尋常活動，藉此偵測進階威脅，例如複雜的惡意軟體、內部威脅或協同攻擊。如此一來，即可強化偵測能力，並加快回應速度。
其實，AI 的功效，取決於資料的品質。透過 AI 加強網路安全時，若模型存取的資料越廣、越深，則執行效果越出色。有鑑於此，整合不同來源和領域的資料至關重要，好比將各種來源的資訊縫合在一起，以利完整檢視安全情勢。習得各種資料的模型將透過網路效應展現價值，也就是跨執行點分享見解。
公司顯然都希望評估現有舊型系統時，能盡快調整安全策略。若未能留意整體情勢、沒發現網路安全漏洞演變快速，終將屈居下風。網路安全並非靜態的，因此我們必須持續努力強化安全態勢。
若可減少工具和廠商數量、簡化運作，即可更輕鬆管理環境、培訓員工、控制成本、快速辨識和回應風險，最重要的是，也能實現更優異的安全成果。