人工智能技术

　源于海量的数据、强大的计算资源以及更先进的算法，人工智能技术在近些年迎来了蓬勃发展。机器学习是人工智能的核心，是现阶段实现人工智能应用的主要方法，它广泛地应用于机器视觉、语音识别、自然语言处理、无人驾驶、医疗诊断、数据挖掘等领域[2]。

　　机器学习算法分为监督学习和无监督学习。监督学习中，会对算法提供带有标记的样本数据，算法从训练样本中学习生成模型，然后依据该模型对新的样本进行预测推断。典型的监督学习方法包括分类和回归等。无监督学习是利用无标记的有限数据描述隐藏在未标记数据中的结构和规律，不需要训练样本和人工标注数据。典型的无监督学习方法包括聚类、数据降维和关联规则学习等。

　　深度学习和强化学习是机器学习研究中的新兴领域。深度学习通过深层神经网络自动学习复杂、有用的特征，完成特征提取与机器学习算法的融合。强化学习是与监督学习不同，没有标签数据作为监督信号，强化学习必须依靠自己的经历进行学习并不断优化。

　　网络中的攻击行为经常改变它们的表现方式，当这些袭击事件发生变化时，由于没有预先建立可与之匹配的规则或者模式，难以被传统的网络防护系统所识别。机器学习不是利用显式的规则去完成特定功能，而是通过自身学习从大量的样本数据中抽象、归纳出知识与规则，从而更加灵活和高效。