管理漏洞是安全专业人员首要考虑的任务之一。安全团队通常会发现处于一种在网络攻击者发现并利用漏洞之前检测、优先排序和修复漏洞的竞赛中。传统的​漏洞管理工具和实践对于日益增多的漏洞和安全人员短缺的情况不再有效或适用。

大多数安全解决方案提供商都声称可以全面覆盖网络攻击的范围。以下了解企业如何利用基于人工智能的漏洞管理工具来最大限度地提高其有效性。

为什么需要将人工智能纳入漏洞管理？

大多数安全团队都会进行漏洞评估，这是过去几年发现漏洞的一种经过测试的有效方法。漏洞评估会检查运营环境中是否存在过时或未打补丁的软件和其他的漏洞。

传统上，安全团队使用漏洞评估工具进行漏洞管理，但传统解决方案对于分布式环境的检测效果不是很好，尤其是具有移动设备和物联网设备的混合环境。传统的漏洞工具也会忽略复杂的网络攻击媒介，例如凭据问题或网络钓鱼。

传统安全解决方案不会优先考虑检测漏洞，让安全团队在没有场景的情况下处理多个漏洞列表。安全专业人员负责确定漏洞的严重性。

人工智能(特别是机器学习)可以实时分析数据，根据风险级别对漏洞进行优先级排序。人工智能驱动的解决方案包括威胁和漏洞管理功能，可以扫描和预测数千种攻击媒介和威胁的风险。

处理漏洞有多重要？

漏洞的统计重点：

• 根据常见漏洞和利用(CVE)，到2021年为止，已有超过12000个安全漏洞。
• 漏洞的严重性平均达到70%，与2020年相同。

人工智能技术在漏洞管理中的用例

那么，如何使用人工智能技术进行漏洞管理?机器学习用于网络安全以自动化威胁检测和分析。

(1)改进的威胁检测功能

用户和事件行为分析(UEBA)等工具使用机器学习来分析用户行为，以检测任何未知危害的异常情况。人工智能技术对于检测哪些资产对企业至关重要，并且应该受到更多保护。该系统可以比较不同的资产，建立正常的基线并标记显著的资产。

(2)减少漏洞检测中的误报

漏洞检测通常会出错，并且在检测过程中通常会导致大量误报。安全团队采用人工智能技术来检测已经识别漏洞合法的可能性。人工智能系统会考虑哪个检测机制标记了漏洞和其他因素。

(3)基于场景的漏洞风险评分

人工智能技术提供了安全团队急需的基于场景的漏洞优先级排序。考虑到对资产背景的深入了解，这些技术可以开发更准确的风险评分。例如，它可能会发现实际上与网络隔离的潜在风险的资产。

(4)使用情感分析检测漏洞利用趋势

采用情感分析中使用的相同技术可以证明对检测漏洞趋势很有用。人工智能工具可以从网络安全聊天室和媒体网站收集数据，对其进行分析，并检测要利用的漏洞趋势。神经网络和自然语言处理等人工智能技术可以识别正面/负面情绪并解释文本的含义以评估风险。

(5)改进修复措施

许多企业面临的挑战是检测到的漏洞超过了他们可以修复的范围。由于人工智能技术提供了场景驱动的漏洞列表，企业可以使用这些信息来制定修复计划建议。人工智能为安全团队提供有关风险和漏洞评分的见解，从而改进漏洞修复。

漏洞管理不仅仅是采用正确的工具

无论人工智能对漏洞管理有多大用处，它都是一种工具。人工智能工具的应用需要精心设计的漏洞管理策略和熟练的安全团队，以确保对漏洞的强大覆盖和修复。

人工智能本身也不能免除风险，因为网络攻击者可以使用机器学习技术来操纵人工智能算法。此外，网络攻击者可以使用相同的技术来创建模仿合法人工智能算法的恶意软件。

根据IBM公司的研究，网络攻击者可以使用四种常见的方法来对抗机器学习工具的检测：

• 中毒：这种方法为用于训练机器学习模型的数据添加后门。
• 窃取：网络攻击者窃取机器学习专有模型。
• 规避：网络攻击者在这里可以访问模型，修改输入并影响模型的结果。

如何实现可靠的漏洞管理策略?

要实现一个全面的漏洞管理程序，需要结合几个因素：首先构建一个知识库，其中包括按重要性排序的资产列表。其次，该清单应转化为可作为漏洞策略基础的漏洞地图。

正确的人工智能工具有助于使识别、确定优先级和修复漏洞的过程变得更加容易和有效。这与精心设计的计划一起有助于形成强大的安全态势。