数据科学可以防止下一次大黑客攻击吗？

自 2017 年 5 月WannaCry发生以来已经过去了三年，这个月份将永远铭刻在一些全球最大的企业集团的记忆中。 WannaCry 被认为是迄今为止最复杂的勒索软件攻击之一，并像野火一样蔓延，感染了 150 个国家的 230,000 多个计算机系统，据报道造成 40 亿美元的损失。 具有讽刺意味的是，抢占漏洞的微软在攻击前两个月就发布了补丁，但消费者和公司都没有意识到情况的严重性，也未能迅速采取行动来修补他们的系统。

更不幸的是，即使在三年后，公司仍然像 2017 年一样脆弱。流行的 Maze 勒索软件在 COVID-19 大流行和多家财富 500 强公司（如 Cognizant、LG Electronics、施乐等公司在 2020 年已经成为这次攻击的牺牲品。

这就引出了一个问题——是企业未能采取正确的预防措施，还是网络犯罪分子过于老练而白帽子只是在迎头赶上？

虽然业内专家已经谈到了主动和预测性网络安全的需求，但企业仍然在很大程度上依赖传统的安全方法和漏洞评估来衡量他们的安全状况。 但随着大流行迫使我们大多数人几乎只在屏幕上进行操作，我们的身份现在被锁定在数据库中，这使得黑客的范围也扩大了。

最重要的数据科学课程可能是世界网络安全问题的下一个重要答案。 事实上，多家网络安全公司现在都在大力投资机器学习、人工智能、数据科学和其他相关领域，以领先于网络犯罪分子。

对抗冠状病毒大流行的数据和分析

数据科学家如何帮助网络专家？

“数据是新的石油”，它决定了 21 世纪当今企业的成败。 从大型科技企业到传统的实体物流公司，每个人都在分析用户数据以实现盈利。 这就是诱使网络犯罪分子侵入您的数据的原因。 据估计，到 2023 年，网络犯罪分子将窃取大约330 亿条记录。

这让我们明白了数据科学家如何在网络安全中发挥关键作用。 Indeed 最近的一份报告强调，对数据科学家的需求同比增长了 29% ，自 2013 年以来增长了 344%。详细了解对数据科学家的需求。 网络安全是需求急剧增长的主要驱动力之一。

简单来说，现代数据科学涉及从一组信息中研究、处理和提取有价值的见解，使数据科学家成为预测性网络安全难题中的关键人物。 数据科学家可以使用 ML 和 AI 来识别潜在的网络安全威胁，这使他们能够根据过去的漏洞利用和行为模式预测风险。

例如，在数据科学的帮助下，您可以识别电子商务网站上的模式，以及何时最容易受到分布式拒绝服务 (Ddos) 的攻击，并采取必要措施加以预防。 同样，您可能会看到组织中大多数基于网络的网络攻击都发生在一天中的某个时间段。

数据科学和网络安全必须齐头并进

数据科学的采用和实施有助于组织以更好的方式衡量其信息安全的有效性。 数据科学家可以为机器学习算法提供有关网络入侵的历史和当前信息。 机器学习算法是数据科学的一个令人印象深刻的特征，它显着增加了在信息安全环境中检测漏洞的机会。

新一代网络安全工具不断升级数据科学功能，包括基于行为的分析和对防病毒套件、防火墙和流量分析器的响应，以使其产品变得智能。 在过去的几年里，网络安全作为一个行业已经相当迅速地成熟，并通过 NIST 网络安全框架和联邦信息安全管理法案 (FISMA) 等框架来指导企业在其安全战略中应用最佳实践。

大多数安全和风险管理领导者面临的挑战是如何保护能够动态学习和成长的黑盒算法——数据科学程序的产品。

这些分析模型非常动态，对企业非常有价值。 因此，网络安全专业人员将需要确定保护这些模型并确保其完整性的标准和方法。 为此，他们需要从外到内保护这些资产。

根据大流行前发布的IBM-Ponemon 数据泄露成本报告，全球企业平均每年损失高达 392 万美元。 随着大流行使对数字的依赖成倍增加，这个数字只会增加。

不要让您的组织为这个数字做出贡献，并开始投资于数据科学和预测性、主动性和企业范围的网络安全，以便能够阻止我们所看到的已经很复杂的网络攻击。

对于数据科学家来说，网络安全不仅仅是成功和职业生涯的另一个途径，它是现代提供的最引人注目的机会之一。 正如阿尔伯特·爱因斯坦曾经说过的那样——“在每一次危机中，都蕴藏着巨大的机遇。” 而今天，是你做出改变的机会。