據Gartner公司2018 年市場調查，近數年間各大企業IT預算，以電腦保安產品及服務領先，去年全球增長約12.4%，總額超過1,140億美元。對2019年的預測，亦會有8.7%的增長，總額將突破1,240億美元。
近年，企業對保安需求的急增，主要原因有三個因素；包括保安風險上升，業務上需求，及企業的數碼改革。
近數年，機器學習發展突飛猛進，有不少電腦保安的產品，都在積極宣傳保安程式當中，加入了機器學習的元素。例如偵測惡意軟件入侵，或發現網絡中的異常，為企業加多重保護。
不少企業購買防火牆或電腦上的終端產品（Endpoint Security），包括了防毒及VPN之餘，亦考慮加建「進階威脅防護」（Advanced Threat Protection，ATP）設備，以應付日益猖獗的惡意攻擊，加多一層防禦。
微軟的黑客攻防戰
資料顯示，每天全球的230國家，有近三百萬名電腦使用者，正面對惡意軟件威脅，當中近一百萬次皆為「零日攻擊」，市場上從未有任何防防毒產品，可以偵測及抵擋入侵，以ATP產品去掃描有問題檔案，尤其重要。
去年，各大保安會議當中，不少公司提出以機器學習的保安方案，均突破傳統網絡的保安思維，有不少的應用可讓IT人借鏡。
黑客研破解ATP
2018年的Black Hat大會，微軟發表了報告，原來除了保安研究員及工程師，黑客亦正積極研究，如何破解ATP設備的機器學習。如果上述產品，未能預計黑客的各種攻擊手段，即使最先進的ATP保護，最終亦能被擊破，等於形同虛設。
市場上ATP防禦產品，通常有兩種選擇；首先以雲端設施來掃描，一旦收到不名來歷的電郵附件，或者有人想下載檔案；例如WORD、DF文檔、甚至是圖片圖，都先送到雲端系統掃描檢查一次，以機器學習分類測試ATP，究竟有否內藏疑似惡意軟件。
部分ATP設備亦可離線（Offline）工作，不須連接任何網絡或雲端，此類較適合政府或金融機構，有效保密企業資料，檢查只在內部進行。
這類獨立運作ATP系統，就隨時有機會淪為黑客的測試設備。機器學習的設計，只依靠開發人員所選擇輸入資料特徵，再逐一作出分析。譬如10萬個惡意軟件，均包含某種獨特設計，機器學習便抽出上述特徵，作為辨別惡意軟件的因素。
對於黑客來說，編制不同惡意程式，也一樣也可測試ATP準確和誤差，再發現ATP系統選擇那些特徵，然後又避重就輕，編制新惡意軟件來避開。甚至以子之矛，攻子之盾，可以輸入大量錯誤資訊的惡意程式，影響機器學習，以扭曲ATP系統判斷的準確性。
根據微軟的報告，他們按照黑客攻防戰的思路，一再改良了Windows Defender內ATP 保護方式。除了利用了機器學習，又加入了合奏方案，選擇不同機器學習模式，堆疊一起運作，每種模式所使用特徵又不一樣，確保黑客即使輸入不良數據，亦不會太影響系統準確性。
全球各個ATP系統，微軟系統檢查次數多達20億，最後測試的成功率，亦高達95%，可見合併多種機器學習方式，確有助改善防禦。
所謂知己知彼，百戰百勝，要除了要有高科技幫助之外，更要明白黑客思維，才能有效保障資料。
作者：梁定康，網絡工程師，從事網絡設計及保安工作，現任職某大美國網絡廠商。