如何在IT和网络安全方面成为“内行（Insider）”？

“基于人工智能和机器学习的数字化转型加速了第四次工业革命...”

“现在是云原生(Cloud Native)的时代。”

在最近的2~3年中，无论是哪个领域，我们经常会遇到一些术语，例如云、人工智能（AI）、和机器学习。由于大部分的术语主要来自英语，所以即使经常听到，但要记住其含义它并不是一天两天就可以的事情。但与世界上许多事物一样，来自英语的最新术语也要经常看到和听到才能了解其含义并牢记。IT术语也是如此。此外，由于使用最新的IT技术的数字化转型（Digital Transformation）正在改变整个社会，因此我们不能再IT术语面前畏缩。其实，这些术语并不是最近才出现的，它们从以前开始就存在。因此也不能说是最新的术语，只是许多术语最近更受到注目而已。与此相关，本文总结了当前IT和网络安全领域中一些最常提到的术语。 

这些是基本的常识！您应该了解的IT术语！

■ 云原生(Cloud Native)

现在是“云优先(Cloud First)”时代。大多数的企业都在使用云。云原生是一种开发和实现充分利用云计算模型的应用程序的方法。此外，还有Kubernetes、Docker、Hypervisior和Serverless Computing也是经常提到的术语。

随着云的使用增加，对云安全的需求也在增加。据全球IT研究公司Gartner介绍，典型的云安全领域有CASB(Cloud Access Security Broker)、CWPP(Cloud Workload Protection Platform)和CSPM(Cloud Security Posture Management)等。

■ 人工智能(Artificial Intelligence, AI)

人工智能是一种通过计算机程序实现人类思维、学习、推理、感知和语言理解的技术，近年来在整个社会中经常被提到。英文是“Artificial Intelligence”，缩写为“AI”。AI分为“弱AI”和“强AI”。弱AI无法单独识别和解决问题，但它具有在给定条件下做出合理结论的形式。强AI具有感知和自我，应该能够对给定的任务做出任意决定。

■ 机器学习(Machine Learning)

实现弱AI时使用机器学习。深度学习和机器学习通常可以互换使用，但明确来说机器学习是更上层概念。

机器学习是一个人工智能领域，它指的是通过分析大量大数据来预测未来的技术。指可以使计算机从给定数据中自动查找有意义信息的技术领域。它的特征是，即使人没有给出标准和答案，计算机能够通过大量数据自行找出方法。它收集和分析数据以预测未来这一点类似于大数据分析，但不同之处在于它可以自己收集和学习大量数据。翻译、语音识别和门户网站中的搜索词的自动完成是应用机器学习的例子。

■ 深度学习(Deep Learning)

深度学习是一种基于人工神经网络的机器学习技术，它可以使计算机像人一样思考和学习。深度学习模仿人类大脑在大量数据中查找模式后区分对象的信息处理方式来，让计算机学会区分对象。深度学习技术的一个典型例子有谷歌的AlphaGo。

要摆脱安全新手，需要了解以下安全术语

■ 人工智能模糊(Artificial Intelligence Fuzzing, AIF)

此外，对攻击者使用人工智能的担忧也在增加。安全厂商预测，人工智能模糊（Artificial Intelligence Fuzzing, AIF）攻击将在2019年频繁发生。 

模糊（Fuzzing）是一种用于通过随机输入输入值来测试软件质量的技术，直到某个系统或应用程序元素瘫痪为止。通过使用此技术，攻击者能够快速找到软件或网络中存在的漏洞来发现零日漏洞的过程。最终，快速找到未知漏洞并缩短漏洞利用工具包的开发，将使攻击者能够进一步扩展其针对性攻击。

■ Deepfake

攻击者用于人工智能技术的典型例子有Deepfake。Deepfake是Deep Learning和Fake的结合，是指基于人工智能技术的虚假图像、音频和视频。最近，它借助于社会问题被用于假视频和假新闻，已成为一般大众熟悉的术语。 

如果攻击者使用深度学习技术，他们可能通过网上欺骗性聊天工具和SNS Spoofing帐户引导用户访问网络钓鱼站点或诱导恶意代码安装。

■ 零信任(Zero Trust)

最近成为安全行业热门话题的术语是Zero Trust。在2010年由Forrest Research的首席分析师John Kindervag提出。 

“Zero Trust”不信任任何尝试连接到网络资产的人和设备，并且在授予其要访问的所有人或设备权限之前，必须通过身份验证。也就是说，它强调设备使用和用户身份验证，而不是基于授予或拒绝访问网络资产的网络位置。随着具有模糊网络边界的多云环境的出现，该模型重新引起关注，因为它符合于当今需要采用安全方法来怀疑和验证所有网络的计算环境。

■ EDR(Endpoint Detection & Response)

EDR(端点检测和响应)是今年安全市场中最受关注的技术和解决方案。EDR（端点检测和响应）是一种安全解决方案，可在端点级别提供持续监控和响应，提供“检测安全事件（Detect security incident）”，“端点安全事件控制（Contain the incident at the endpoint）”、“安全事件调查（Investigate security incident）”和“修复端点到感染前状态（Remediate endpoint to a preinfection state）”等功能。换句话说，通过运行Data Analytics的安全来记录所有行为并能够判断和响应恶意行为。因此，EDR不是一个简单的解决方案，只有当技术、流程和人的结合才可以发挥作用。 

■ 威胁捕获(Threat Hunting)

威胁捕获是一种以分析为中心的流程，帮助用户发现自动防御和检测解决方案中遗漏的客户系统隐藏的高级威胁。这需要技术、流程和人力相结合，并且必须附带工具以确保对潜在威胁的可见性。目前，EDR是威胁捕获最有效的确保可见性工具。

■ SOAR(Security Orchestration, Automation and Response)