企業正面臨各式各樣的網絡安全及業務挑戰，既要迎合流動化趨勢、雲運算服務普及化，同時又得滿足用戶追求靈活、高度互動的環境需要。這方面，採用雲運算服務的確可以解決不少問題，然而若想享受雲運算、物聯網等創新科技的優勢，則必須投資適當的網絡安全措施。
2017年，來自各方面的保安預測和資訊，均指出勒索軟件等常見攻擊，將繼續肆虐全球，而針對性的目標攻擊和惡意程式，只會變得愈來愈精密。因此，第一季編輯之選入圍方案當中，亦有兩個分別針對混合雲環境，和工業控制系統的保安方案。至於近年愈趨成熟的人工智能，亦開始應用到保安領域，今季入選方案之一，IBM的Watson for Cyber Security正是當中的佼佼者。
IBM Watson 藉深度學習成資訊保安專家
為了防止遭黑客入侵和資訊外洩，符合法規要求，不少企業都成立了「資訊安全營運中心」（Security Operations Centre，SOC）， 以「安全性資訊與事件管理」(SIEM)系統 ；識別不同保安事故；從蒐集日誌檔和網絡流量，擷取分析並發出警報。
SOC必須聘請專業保安分析員（Security Analyst）分析從SIEM發出的事故報告，市場對資深的保安分析員極之渴求，尤其第二級至第三級保安分析員。高級保安分析員，通常負責制訂保安策略和應對手段，研究內部容易受攻擊的網絡弱點，SIEM一旦偵察到可疑入侵事件，保安分析員須分析事故內容和源頭。類似分析工作非常複雜，許多時還要聘請外來專家，制訂反應（Response）和解除威脅的步驟。
IBM擁有QRadar的SIEM方案，配合X-Force保安情報，可幫助QRadar更快識別出保安問題。IBM利用Watson認知運算平台（Cognitive Computing），可憑深度學習技術，訓練出虛擬的保安分析員。IBM稱Watson為擴增智慧（Augmented Intelligence）。Watson通過機器學習獲取知識，作出假設和推論，選擇適合答案，不斷改善答案，幫助專家更快作決定。
IBM推出了Watson for Cyber Security，就是通過深度學習，訓練Watson成資訊保安專家。去年，Watson閱讀超過一百萬份資訊保安文件，掌握網絡安全語言；持續從不同來源學習資訊保安，分析最新的事故。Watson for Cyber Security不單可大幅減少內高級分析員人手緊張的情況，不斷從網上蒐集保安資訊，準確度更高，減少SOC大量處理「錯誤警報」（False positive）耗費的時間。但是Watson for Cyber Security暫時只支援IBM的QRadar方案。
無論如何，Watson for Cyber Security以認知運算改善SOC營運，技術上影響深遠。雖然其他SIEM方案，類似LogRhythm亦開始利用AI引擎（AI Engine）改善SIEM準確度。以技術水平而言，仍與Watson for Cyber Security有一段距離。