访问大数据和高性能计算资源使企业能够利用新兴的AI工具和机器学习模型来帮助保护企业网络和企业应用程序。网络专家表示，随着数据分析平台扫描数十亿个网络信号以检测和阻止网络攻击，这些自动化工具正在改进。银行正在使用一种名为UEBA（用户和实体行为分析）的新兴框架来主动防御日益增多的网络钓鱼攻击和金融欺诈。能够访问大数据和高性能计算资源的网络防御者正在使用UEBA和链接分析等技术来追捕威胁源。链路分析是指评估使用相同IP地址的威胁。新兴工具包括可用于绕过安全控制和分析系统以检测恶意软件的域生成算法。这种和其他基于人工智能的检测技术已经帮助一些银行将安全操作提高了大约10%。基于人工智能的分析表明，攻击者的行为通常与当前事件有关，尤其是在COVID-19大流行期间。当世界卫生组织在3月宣布全球流感大流行时，黑客迅速从恶意软件转向网络钓鱼攻击，目标是从家里访问公司网络的员工。这些网络钓鱼攻击通常以证书、企业电子邮件或两者为目标。Microsoft利用云用户、设备和应用生成的大量信号数据，然后应用机器学习技术扫描6万亿条消息。这种自动化方法使其安全团队在过去一年中阻止了130亿封恶意电子邮件。“从预测和预防的角度来看，人工智能确实很有帮助，”微软的Rahmani说。与此同时，该公司正在部署机器学习模型来实现安全自动化并扫描可能预示网络钓鱼或其他攻击的异常用户行为。“同样，我们的目标是在网络防御的猫捉老鼠游戏中，比无情的黑客领先一步。”事实上，在网络安全中越来越多地使用人工智能有一个缺点，老练的攻击者也在利用它来检测防御中的漏洞。微软的Rahmani表示，机器学习在软件行业中日益成为现实。此外，网络犯罪分子可以访问许多与防御者相同的计算能力和数据存储资源。“没有灵丹妙药，”微软高管说。因此，网络安全团队正在采用“多维分析”技术保持领先地位，包括监控网络用户和设备访问以及跟踪登录活动和数据移动。这都归功于新兴的机器学习工具，SaharRahmani指出。随着人工智能和机器学习的应用扩展到网络安全等应用，市场分析师预测这些自动化技术将有助于推动对高性能计算基础设施的需求。专家表示，高性能计算市场的人工智能基础设施部分预计明年将达到80亿美元。基于HPC（高性能计算）的AI需求将由机器学习和模型训练工作负载驱动。
