從態勢感知到人工智慧
概念熱度蹭得互不認識
在某安全大會上，公司A、B、C三家公司的員工碰到一起聊技術，碰巧3人都在做“態勢感知系統”，但是聊著聊著發現：
-
A做的是情報系統；
-
B做的是伺服器日誌分析；
-
C做的是使用者畫像做風控決策的依據。
三家公司理解的態勢感知完全不一樣。
可見，蹭概念熱度有時蹭得大家互不認識了。
現在“態勢感知”與“威脅情報”一直都很火，在我的理解裡面， 態勢是預測，情報是事實 。
但顯然，目前大家對此概念理解是不一致的。
當文字“一”被讀作“二”，文字“二”被讀作“一”時，隨著此種情況的增多，必然會導致溝通障礙。
最近看到一篇PPT，又提到一個新概念叫“糾纏感知”，是指對終端與服務端的態勢感知。作為一個剛看過《蟻人2》的娃，有點懷疑作者也是個漫威迷。
最近“量子糾纏”的應用挺廣的，前有通訊安全、鍼灸論文、後有糾纏感知（算是態勢感知的進階版）。除此之外，還有“平行安全”、“擬態安全”、“有限系統的不安全經絡圖”……
對於玩概念事件的思考與應對
-
提出新概念蹭熱度的人，一定不是從事一線工作的人；
-
提出新概念蹭熱度的人，一定是從事理論研究為主的人；
-
跨界知識的關聯有時可能幫人更系統地掌握知識，有時可能讓人走火入魔（所以我從不拿醫學說資訊保安）；
-
被概念玩的人，一般是想法太多，讀書太少（最近量子有點火，嚇得我趕緊去讀了本量子力學方面的書：《給孩子講量子力學》），所以有空多讀雜書；
-
關注和理解新概念，但不盲目跟進。早幾年國外某著名安全會議上有人提出SSRF的概念，當時我還發在同事微信群了，後來沒想到這概念達到業界公認的程度，也是搞web的同學必須掌握的知識點；
-
別以為精通“閉環”、“落地”、“賦能”、“大局觀”等等專業術語就能搞好工作了……
-
當技術的發展需要哲學思想來帶動的時候，就是技術發展受阻的時候。
無AI，不開會
最後網際網路安全大會的PPT都公開了（下載地址： https://pan.baidu.com/s/18mZIJcwyhtRVkPyVNDHmig ），最常見的一個關鍵詞應該算是“人工智慧”，各個分論壇基本都有個標題包含“人工智慧”，過程都是建模型，搞演算法，訓練樣本，應用業務，但實現細節、應用效果，大家一般都不談，或者是過程搞得很牛逼，結局卻很慘淡。
也不是說AI沒用，它在生物識別、身份鑑別、風控、內容監管、以及一些黑灰產領域被應用得挺有成效的，但在漏洞領域，似乎仍處於探索的低迷階段。
比如某篇挖PDF漏洞的議題，基於AI生成PDF樣本，先拆分收集樣本的obj、stream資料，再用AI訓練構造檔案模型，然後再按模型組裝前面拆分的資料，思路不錯，但從效果看，依然覺得這是項高投入低產出的工作：
因為從結果上看，這些偏門或者舊版本的PDF閱讀器，直接暴力Fuzzing就有挖到一堆，完全沒必要應用到AI上，純粹是“會議式研究”：
不過也有看到不錯的議題，比如基於符號執行挖掘核心double fetch漏洞，也是第一次看到符號執行在漏洞挖掘上效果這麼好，但它跟AI無關就是：
機器學習資源
人工智慧在安全領域的應用，很多仍處於探索階段，不能一概地否定，只是目前很多地方尚未被更好地應用。
所以我也學習一些機器學習方面的知識，但畢竟非科班出身，大學沒有數學課，有些知識真的學得挺費勁的，招AI的時候專招一些高學歷人員還是有些道理的。
這裡順便推薦兩個關於機器學習的免費的大學公開課（非廣告，最近公眾號推廣收費課程、互相推薦公眾號的現象有些嚴重，被我一個個取消關注了）：
1、【臺大李巨集毅-機器學習入門】： https://blog.csdn.net/soulmeetliang/article/details/77461607
2、【斯坦福大學公開課 ：機器學習課程，吳恩達主講】： http://open.163.com/special/opencourse/machinelearning.html
