作為Netflix忠實粉絲，每次打開電視機，影視系統自動推薦相關口味電影電視劇，對一向患選擇性困難的筆者，節省了不少時間。背後，當然是Netflix從眾多粉絲蒐集的大數據，經精密分析，以機器學習所開發出的推薦系統。
機器學習(ML)中的分類演算法，日常生活之中，其實已廣泛使用。
譬如醫療界，不少公司投入了大量資源，研究癌病早期測試；多年來未取得太大進展，直至使用ML技術，近年才有所突破。ML分類過程，使用從細胞化驗所獲數據，放進電腦程式中，預測病人是否會罹患癌病，或那是種類型。2018年初，Google 提出報告書，以深度學習技術，分析細胞切割照片，利用胞影像，傳到系統作癌細胞即時檢查，準確度高達至98%。
去年，印度新德里大學亦發表一項有趣硏究，利用警察局提供數據，發現百份之五十案件，由百份之十罪犯作案。跟據當地人口分佈及地理環境，利用機器演算法推測下次案件發生地方，協助警方迅速破案。這類研究發展，不難令人聯想起電影《未來報告》情節，男主角湯告魯斯未卜先知，消滅罪案，防範未然。
網絡上攻擊層出不窮，例如電腦病毒、MALWARE、DDoS、APT 、近年流行勒索程式Ransomware等，一直是企業最大隱憂。傳統防火牆技術，譬如檢查病毒、IPS等技術，已經跟日新月異攻擊脫節。近年不少廠商，引進AI技術作更徹底病毒偵查，對阻擋惡意軟件攻擊，發揮了很大作用。
傳統的電腦病毒測試，主要利用軟件廠商提供的病毒識別檔案（Signature file），掃描過程當之中，發現相同檔案簽名，便將該檔案分類成為病毒。
可是，病毒識別檔案須定期更新，令新種病毒在更新期之前，有可乘之機，入侵用戶的電腦。研究發現，其實很多新病毒，只是改良舊版，舊酒新瓶，跟原有的執行檔內容，只有百分之十或以下的變化。若能有效以機器學習，不難辨認這類改良病毒，再變也不出AI的五指山。
若讀者有興趣去學習使用AI技術，辨認上述網路攻擊，不妨考慮使用近年流行雲端ML工具。有不少電腦廠商如IBM、Google、AWS、微軟，紛紛推出協助機器學習的產品，通常有一段時間免費優惠。數據方面，可參考美國UC Irvine大學1999 年KCC Cup的Data Mining比賽。KCC Cup是針對不同數據開發的大學比賽，近年己逐漸被上期介紹的Kaggle比賽代替。
當年比賽的數據，乃從不同防火牆及路由器上蒐集；不少紀錄了網路上的攻擊形態，夾雜正常的網絡通訊，以從不同特徵可分辨出來，可說研究網絡攻擊的經典測試數據。
參賽者的挑戰，就是建立機器學習模式，成功測試出那些為正常網絡通訊，那一些是攻擊。今時今日，以上述提及雲端ML工具，例如說微軟Azure Machine Learning Studio，即使對機器學習，只有基本的認識，也很快可自製出完整運算模式。
這類工具的好處，是內置不同ML模塊，只需以drag and drop拖曳滑鼠，便可編輯好一個機器學習的模型（Model），又不需懂任何程式語言，十分方便。
作者：梁定康，現任網絡工程師，負責研究IT保安及網絡設計