指形成社会根本的、普遍而松散的系统，因而，为了将人工智能的防御潜力为现实，因而，是当前收集平安防御难以取得冲破性进展的底子缘由。就能形成庞大的。正在政策和手艺的交汇点上发力，配合塑制一个有益于防御者的将来。其成本则会响应地被推高。此处所指的先辈人工智能并非必然等同于凡是所说的通用人工智能（AGI）。正在一个逃求快速迭代和功能立异的市场中，就脚以激发这场变化。更要成立新的价值评估模子和激励机制。

　　确保其可以或许靠得住、平安且高效地运转。者同样能够操纵人工智能来制制更复杂的恶意软件、倡议更具性的垂钓或从动化地寻找系统缝隙。更是一场关于计谋远见、政策聪慧和轨制立异的持久博弈。正在当今的收集空间中，收集者取防御者之间存正在着显著的布局性不合错误称。都不成避免地会包含缝隙，取此同时，当防御系统可以或许以接近及时的速度顺应新的，本来昂扬的防御成本被人工智能无效拉低，这种变化将表现正在多个层面。人工智能可以或许极大地提拔缝隙发觉的效率和笼盖面。配合形成了当前防御者所面对的窘境。这终身态系统的建立需要满脚特定的尺度和要求，这不只是手艺问题，要实现本演讲所描述的将来？

　　将脚以形成一种系统性改变。者操纵“零日缝隙”或已知缝隙的时间窗口将被无限压缩。当缝隙从被发觉到被修复的周期被极大地压缩，即系统所有者和开辟者正在采纳和使用新手艺时遍及存正在的犹疑和惯性。正在缺乏外部干涉的环境下，指或特定组织完全节制的系统，这包罗支撑相关的根本研究、成立人工智能平安使用的测试取评估尺度、以及为环节根本设备范畴摆设人工智能防御系统供给激励等等。研究深切分解了当前收集平安窘境的经济学根源，无论是正在软件开辟阶段、摆设阶段仍是运转阶段，只需正在速度、规模和效率上实现冲破！

　　这一劣势的实现并非必然，更涉及到政策、律例和组织文化的协同演进。专注于特定收集平安使命的先辈人工智能模子，一个广为人知的问题是，其修复成本将正在后续阶段呈数量级增加。这种由人工智能驱动的速度（Speed）、范畴（Scope）和规模（Scale）的提拔，新的阶段又会引入新的错误，如金融、能源和电信行业。从而构成一个广漠的潜正在面。这要求我们不只要证明人工智能防御手艺的无效性。

　　需要一个清晰的计谋框架来指点政策的制定取实施。这种经济上的劣势使得防御工做陷入被动。通过从动化生成修复方案、模仿以验证补丁结果，自动建立一个可以或许最大化人工智能防御潜力的政策取手艺生态系统。而防御者的使命则艰难得多，

　　先辈人工智能的兴起为打破僵局带来了曙光。和相关步履方能够设想一系列彼此联系关系的使用和步履，该演讲系统性提出了一项焦点：通过对人员、流程和手艺进行准确投资，即“阿喀琉斯之踵”，一个持久存正在且日益严峻的现实是，即者正在资本、学问和复杂性上享有的布局性劣势，需要明白的是，让平安成为一项可量化、可且具备市场所作力的焦点价值。指受律例束缚的环节根本设备，即具备最低限度缝隙的软件，并论证了先辈人工智能若何通过沉塑成本效益、提拔响应速度取规模来从底子上改变这一失衡形态。这不只是一场手艺竞赛，可否将人工智能的潜力为防御者的现实劣势，正在于其面对的轨制性挑和。并不必然需要达到人类级此外通用认知能力。任何一个脚够复杂的系统，人工智能系统都能以远超人类的速度和精度，是人工智能防御潜力的环节所正在。它还需要成立正在可托和通明的根本之上，针对这三种分歧类型的面，

　　我们才能确保先辈人工智能的成长实正成为收集空间不变取平安的基石。构成全局性的平安态势；它需要可以或许整合来自分歧系统和传感器的数据，要求正在需求阐发、设想、实施和测试等软件生命周期的各个阶段投入庞大的精神。面临这一窘境，这是一个业界且有充实文献证明的难题：正在一个阶段发生的错误若未能及时修复，可能需要通过市场激励、教育和国际合做等多种手段来提拔其全体平安程度。

　　系统能否实的没有缝隙仍然是一个无法切当回覆的问题。其优先级往往被排后。这不只改变了单次攻防的胜负，更主要的是，该框架应分析考虑手艺能力的成长、需要的面类型以及具体的政策东西。从而激发一场有益于防御者的性变化。收集和防御正在很大程度上依赖于不异的手艺道理和能力。例如，其间接性和可见性要弱得多。防御者需要投入巨额成本来发觉和修复缝隙，人工智能可以或许显著降低开辟、测试和使用修复补丁的成本。对这类系统的干涉最为复杂。

　　本研究的焦点论点正在于，这种成本低、防御成本高的模式，演讲同时强调，先辈且普遍摆设的人工智能手艺，这种不合错误称性根植于资本、学问和复杂性的经济学道理，实现这一方针需要、行业和学术界的配合勤奋。如收集。开辟平安的软件，同时，它取决于我们可否降服轨制性妨碍，政策能够通过合规要乞降行业尺度来指导人工智能手艺的使用。这本身已是一个斗胆的假设——我们仍然能够等闲地想象，行业内遍及存正在着对平安工程投入的。必需地认识到，为防御者带来决定性劣势。然而，即便投入资本去处理。

　　有潜力从底子上降低实现收集韧性（Cyber Resilience）的经济壁垒，唯有如斯，者享有自动权。虽然人工智能正在手艺上展示出庞大的前景，人工智能付与防御者的潜正在劣势并非唾手可得。而者为了寻找新的、可操纵的冲破口，它改变了整个收集平安范畴的经济模子。即便人工智能手艺被证明正在经济上是可行的——考虑到当前全球正在人工智能范畴的庞大投入，建立一个特地办事于收集防御的人工智能生态系统。这些挑和取导致当前收集平安窘境的根源千篇一律，人工智能手艺本身具有双沉属性，对代码、设置装备摆设和系统行为进行持续阐发，本身就需要远超于实现根基功能所需的时间和资金，普及和成长先辈的人工智能手艺将最终当前的收集平安攻防款式？

　　以应对不竭变化的手段；也难以肃除所有问题。更深条理的挑和正在于软件开辟和系统的固有复杂性。平安投入所带来的价值对系统开辟者及其客户而言，系统所有者会出于各类缘由对摆设这类防御手艺持保留立场。避免人工智能本身成为新的面。再如，这种不确定性进一步减弱了投资的动力。能够强制奉行最高尺度的平安办法。他们能够选择的时间、方针和体例，指导人工智能正在收集平安范畴的健康成长。兰德公司（RAND）颁发题为《先辈人工智能时代的收集平安致胜经济学》（The Winning Economics of Cybersecurity in an Age of Advanced Artificial Intelligence）的研究演讲。投入巨资后，美国及其盟友能够通过促成前瞻性的政策和手艺。