但事物總是具有雙面性，隨著對AI技術應用效果的觀察，很多用戶和安全專家發現，目前的AI技術還并不能成為網絡安全領域的“救世主”，至少并非像很多安全廠商宣傳的那樣。人們往往只關注AI的好處，卻有意或無意地忽略了它的應用缺陷。這種對AI看法的偏見引起了一些研究人員的擔憂，他們認為，尚不成熟的AI技術應用，正在為網絡攻擊者制造新的漏洞。
研究人員發現，AI技術在網絡安全方面的應用弊端主要包括以下幾點：
1、過度依賴大數據
掌握充分的數據是AI技術應用的基礎，如果不考慮數據質量和充分性，AI的準確性就會無法保證。如果組織希望利用AI技術檢測網絡威脅、預測攻擊并做出相應的反應，就必須通過機器學習算法模型提供大量的真實數據訓練它。對于大型組織來說，這可能不是問題，因為他們本身就擁有大量數據。但是，對于那些只想保護自己的網絡安全的中小型企業用戶呢？目前，安全廠商正在給用戶營造的印象是，AI技術是包羅萬象的，但事實卻并非如此，因為對那些缺少大數據資源的企業或組織而言，幾乎無法有效使用AI技術。
2、數據泄露
就保護數據隱私而言，處理數據的人越少越好。因為在網絡安全領域為實施AI技術創建基礎環境既不容易也不便宜，它需要高水平專業技術技能支撐。當企業無法自己管理運營基于AI技術的安全解決方案時，將不得不將其外包給第三方供應商，雖然相關供應商可能會做出“保密”的承諾，但事實上，這個過程增加了企業的數據暴露面和攻擊面。同時，第三方供應商也可能為了自身利益而濫用客戶數據，并且難以被監控審計。
3、黑客的目標
網絡犯罪分子也在將緊跟網絡安全趨勢視為首要任務。隨著AI技術在網絡安全方面應用受到廣泛關注，他們正竭盡所能地利用這一趨勢。當安全專家嘗試用最新的算法加強安全防御時，網絡犯罪分子很可能已經在這些算法中發現了新的安全漏洞。在網絡安全領域，沒人能壟斷AI技術，獨享其帶來的優勢。入侵者和防御者之間存在一場利益爭奪。如果入侵者沒能搶在防御者前面，他們的惡意企圖就不會得逞，所以入侵者也同樣會努力保持領先。
4、AI應用技能不足
擁有一個良好的網絡安全環境并不是只靠部署最新的技術就能實現，而是需要能夠理解安全防護技術的原理并有效地利用它。除非是專業的網絡安全人士，否則很難具備徹底使用AI技術的知識和技能。即便雇傭了AI專業人士來管理網絡安全，但如果相關負責人員不了解算法及其工作原理，也無法獲得理想的結果。而且，供應商所使用的算法模型可能并不適合企業的網絡，如果企業對此并不了解，也將無法獲悉這一點。
5、沒有創造力和自發性
網絡安全技術的目標是為了解決安全問題，因此并不存在完全通用的網絡安全方法。就好像在“地面”部署的防御機制可能阻止不了來之“空中”的打擊。為了能夠及時找出惡意活動，必須要能夠應用自發策略來管理特定的攻擊。網絡專業人士擁有實時遏制網絡攻擊的專業知識，他們可以用自己的創造力和自發性來應對獨特的環境。而這一點正是AI技術所缺乏的，因為它主要是通過持續訓練來養成分析和處置行為的。當一些未經過AI算法訓練的惡意活動出現時，它將無法保護您的系統，因為AI技術缺乏人類即興發揮、隨機應變的第六感。
6、不切實際的期望
AI技術在網絡安全領域的過度炒作讓很多用戶產生了不切實際的期望。似乎有了AI，就可以不用擔心網絡攻擊了。但這是一個不能實現的承諾，因為AI技術遠非完美。AI安全系統是由人設計的，因此根本無法避免漏洞的存在。盡管，AI算法可以為企業提供更好的決策和分析所需的數據，但它并不能為組織的網絡安全需求提供“萬能的”解決方案。因此，企業在應用AI技術前，必須準確了解它可以為自身的網絡安全增加哪些價值，以及應如何實現這種價值。
參考鏈接：https://www.makeuseof.com/downsides-artificial-intelligence-cybersecurity/
