随着时间的推移，数字世界呈指数级增长。随着它的扩展，我们正在发现它的真正潜力和价值。但阴阳概念在互联网领域也很流行。因此，这里也有“恶有恶报”，因为网络攻击笼罩着一切数字化领域。

　　在网络安全中使用机器学习来发现类似的恶意软件和恶意链接，而不是网络犯罪，它不会逃避过滤器、绕过 CAPTCHA 检查并生成有针对性的网络钓鱼电子邮件。比较两者时，网络安全似乎对机器学习具有更加统一的用途。但未来规避恶意软件和网络钓鱼的趋势可能对网络安全行业构成重大威胁。

　　网络攻击已成为一种日益严重的威胁，对政府、商业组织和个人来说都是个问题。根据 2019 年的一份报告，2018 年恶意软件攻击约为 100 亿次。更可怕的是，随着技术的增强，网络犯罪分子也随之发展。

　　结果，他们可以提高他们的技能并无缝地欺骗你。网络攻击不仅有可能扰乱企业，还可能对一个人的技术资源造成严重损害。但是机器学习如何检测网络攻击呢？以及这两者有什么关系？

　　好吧，传统的网络监控工具不再起作用了。因此，必须寻找新的先进方法来检测和预防网络攻击。这正是机器学习发挥作用的地方！

　　因此，基本上机器学习算法能够对看不见的数据进行分类并预测该数据的未来，这意味着它在网络安全中具有多种用途。但是，机器学习的相同功能也可用于恶意上下文。

　　让我们从什么是机器学习开始？

　　机器学习本质上是一种自动化分析模型构建的数据分析方法。它也可以被定义为人工智能的一个分支，它源于这样一种观念，即系统具有识别模式、从数据中学习以及以最少的人为干预做出决策的潜力。

　　在机器学习中，研究计算机算法以改善数据和经验的使用。此外，机器学习也被称为人工智能的一部分。

　　如何使用机器学习来检测网络攻击？

　　机器学习是目前最热门的技术趋势之一，因为它有可能彻底改变现代安全架构。如上所述，机器学习具有无需编程即可学习的能力。

　　机器学习算法通常用于检测两大攻击王：拒绝服务 （DoS） 和分布式拒绝服务 （DDoS）。因此，无论何时检测到攻击，都可以向组织的安全工程师发送电子邮件通知。

　　为此，可以使用分类算法来确定它是否是 DoS/DDoS 攻击。支持向量机 （SVM） 是此类分类算法的一个很好的例子，因为它可以有效地分析数据和识别模式。

　　最近的 DDoS 攻击旨在劫持网络摄像头、路由器、电话、吸尘机器人等连接设备。很难检测到我们的设备可能从何处、何时以及如何受到攻击，因此对网络攻击的绝对预防似乎有些遥远- 截至目前。

　　然而，可以肯定地说，最好的出路是早期检测。早期检测有助于降低上述攻击可能造成的不可挽回的损害的风险。今后，商业组织可以使用机器学习等解决方案在初始阶段检测网络攻击，以尽量减少其影响。

　　结论

　　在现实世界的攻击中，尚未发现构成最严重风险的规避恶意软件。从绝对意义上讲，网络安全中的机器学习比其网络攻击对手更加先进和广泛实施。然而，随后几年甚至可能会看到恶意活动的转变，其中人工智能是其核心。