据Rightscale称，云计算的增长没有出现放缓的迹象，目前有96%的公司将其用于至少部分业务。

但是，尽管云采用率不断提高，但许多IT专业人士仍然将云作为其业务中主要的漏洞区域，其中49%的公司计划在未来12个月内增加云安全预算，Cyber​​security Insiders 的一份报告称。

为了解决这个问题并降低他们遭遇破坏的可能性，一些公司正在转向人工智能和机器学习以提高他们的云安全性。

AI或人工智能是一种可以解决问题并以与人类相似的方式自行思考的软件。机器学习是AI的一个子集，它使用算法从数据中学习。它分析的数据模式越多，它根据这些模式处理和自我调整的次数就越多，其洞察力就越有价值。

虽然不是灵丹妙药或万能药，人工智能和机器学习可用于将实践从预防转变为实时威胁检测，使公司和云服务提供商领先于网络攻击者。以下是将这些技术用作安全策略一部分的一些好处。

大数据处理

网络安全系统产生大量数据 - 比任何人类团队都可以筛选和分析的数据更多。机器学习技术使用所有这些数据来检测威胁事件。处理的数据越多，它检测和学习的模式就越多，然后用它来发现正常模式流中的变化。这些变化可能是网络威胁。

例如，机器学习记录了什么被认为是正常的，例如从员工登录系统的时间和地点，他们定期访问的内容，以及其他流量模式和用户活动。这些规范的偏差，例如在早晨的早些时候登录，会被标记。这反过来意味着可以更快地突出和处理潜在的威胁。

事件预测

通过使用更加数据驱动的方法，人工智能可用于检测并主动警告当前正在被利用或未来可能被利用的弱点和漏洞。这可以通过分析进出受保护端点的数据来实现，既可以根据已知行为检测威胁，也可以根据预测分析发现已知威胁。

这种更具预测性的方法收集所有端点活动数据而不仅仅是“坏”活动，并从其他来源丰富它以帮助解决潜在攻击的根本原因，而不是仅在检测到攻击后最小化影响。通过确保安全团队能够更快地对更好的数据做出反应，它还有助于在检测和修复之间创建更短的周期。

事件检测和阻止

当AI和机器学习技术处理系统生成的数据并发现异常时，它们可以提醒人或通过关闭特定用户以及其他选项来做出响应。

通过采取这些步骤，通常会在数小时内检测到并阻止事件，从而关闭潜在危险代码流入网络并防止数据泄漏。这种跨地理实时检查和关联数据的过程使企业可以在安全事件发生之前获得警告和时间，以便采取行动。

委托自动化技术

有关潜在威胁或异常情况的警报在许多安全平台中非常常见，但自动化技术有很大的潜力可以消除大量噪音，从而能够专注于重要事项。当安全团队拥有人工智能和机器学习技术处理日常任务和一级安全分析时，他们可以自由地专注于更复杂或更复杂的威胁。

鉴于当前网络安全技能的不足，这一点尤为重要。51%的组织声称网络安全技能存在问题，公司可以通过将第一级分析委托给机器人来缓解一些压力，使安全专业人员能够集中力量应对更加困难的攻击。

这并不意味着这些技术可以取代人类分析师，因为网络攻击通常源于人类和机器的努力，因此也需要人和机器的响应。但是，它确实允许分析师确定工作负载的优先级，并更有效地完成任务。