NVIDIA Morpheus 通过生成式人工智能助力抵御鱼叉式网络钓鱼

使用生成式人工智能和 NVIDIA Morpheus 网络安全人工智能框架，开发者可以构建更有效地检测鱼叉式网络钓鱼企图的解决方案，而且训练时间极短。事实上，使用 NVIDIA Morpheus 和生成人工智能训练技术，我们能够检测到 90% 的有针对性的鱼叉式网络钓鱼电子邮件，与目前使用的典型网络钓鱼检测解决方案相比，提高了 20%。

鱼叉式网络钓鱼是企业所面临的最大且代价最高的网络威胁之一。虽然网络钓鱼电子邮件更为通用，旨在欺骗大量人员，但鱼叉式网络钓鱼电子邮件是针对特定个人定制的。在鱼叉式网络钓鱼攻击中，电子邮件是为特定的个人、工作角色或行业量身定制的。因为它如此有针对性，所以电子邮件往往非常有说服力。

企业电子邮件被入侵是一种鱼叉式网络钓鱼攻击，目的是诱骗员工采取有害行动，通常是向攻击者汇款。

虽然攻击者已经在利用人工智能来创建更多的网络钓鱼电子邮件和更有针对性的鱼叉式网络钓鱼攻击，但还可以做更多的工作利用人工智能来防御这些攻击。如今的企业通常依靠员工培训来更好地识别攻击，或者制定规则来过滤可疑电子邮件。有了 NVIDIA Morpheus，开发者可以使用人工智能在鱼叉式网络钓鱼电子邮件到达用户收件箱之前更好地检测它们。

鱼叉式网络钓鱼的核心是一个数据可见性问题。由于缺乏可用的训练数据，这些电子邮件很难防御。由于攻击是高度个性化的，单个企业不会观察到训练准确的人工智能模型所需的电子邮件数量。

针对金融机构的鱼叉式网络钓鱼攻击类型与医疗保健非常不同。同样，针对首席财务官的鱼叉式网络钓鱼电子邮件包含的内容与针对工程师的内容不同。鱼叉式网络钓鱼检测用例将在 NVIDIA Morpheus 的未来版本中提供。

企业已经在利用人工智能来抵御网络钓鱼和其他网络威胁。作为技术领域的领导者，百思买正在使用定制机器学习（ML）和 NVIDIA Morpheus 来更好地保护其基础设施，并通知其安全分析师。

百思买基于机器学习的网络安全的实施将他们检测钓鱼电子邮件的准确率提高到 96% ，同时将误报率保持在 20% 以下。

最近，该公司已开始在其账户中部署 Morpheus 数字指纹工作流程，以帮助检测环境中的异常行为。百思买继续与 NVIDIA 合作，开发新的基于人工智能的解决方案，以应对快速变化的生态系统中面临的网络安全挑战。

借助 NVIDIA Morpheus 人工智能框架，开发者可以构建网络安全解决方案，以前所未有的规模检测威胁。借助 Morpheus，开发时间得以缩短，因为它有助于将探索、测试和实施周期从数月缩短到数周。

与其他 NVIDIA 框架一样，Morpheus 提供用于创建加速的人工智能应用程序的构建块。为了进一步缩短开发时间，团队可以利用 NVIDIA 人工智能工作流程。使用 Morpheus 构建的 NVIDIA digital fingerprinting workflow（NVIDIA 数字指纹工作流程）为开始开发和部署网络安全解决方案提供了参考，该解决方案可以对网络中的每个用户、帐户、服务和机器进行唯一指纹识别，并提供具有可操作信息的智能警报。

最新版本的 Morpheus 包括使数字指纹工作流程更易于部署和管理的增强功能。这些增强功能包括集成训练和反馈、非线性管线支持以及新的和改进的开发者文档。

数字指纹工作流程如此强大的原因之一是它为整个企业的每个用户实现了单独的模型。通常，更传统的用户行为分析依赖于大粒度模型以及基于模式和规则的分析。这些方法对于看起来像普通企业行为或活动的威胁来说是脆弱的。

数字指纹以三个粒度级别来创建基于行为的无监督模型，以检测这些复杂而微妙的反模式。借助数字指纹技术，您可以为整个企业中的每个用户、每个子组织（例如，单个经理及其直接下属）和整个企业建立模型，所有这些都是为您的业务定制的。

当您考虑到模型的绝对数量时——对于一个拥有 25000 名员工的企业来说至少有 25000 到 30000 个，且日志类型多种多样，您可能会想知道您的团队将如何训练所有这些模型。这就是综合训练的用武之地。

Morpheus 最新版本的集成训练更新包括几个新工具、可组合原语和生命质量改进，旨在增强工作流程的灵活性。对控制消息的支持可以改善管线内的自定义和动态行为。这有助于训练和推理管线在相同资源上共存，并支持动态事件，包括人与正在运行的管线的交互。

Morpheus 模块提供了一种封装可重用功能单元的机制，其范围可以从单个阶段到整个工作流。这些模块与现有管线完全兼容，并且可以轻松集成到现有和新的工作流中。

先前的 Morpheus 版本支持模型漂移检测，最新的 2023 年春季版本引入了额外的可组合原语，旨在简化工作流程并提高代码重用。这些实现了用户定义的函数编程，如漂移检测，从而触发模型重新训练。

管线在本质上也可以是非线性的，从而实现循环、回路和更复杂的分支逻辑。除了在线训练外，管线现在还支持对人在回路（human-in-the-loop）和自动化模式的反馈。

这意味着您可以将主题专家深度集成到训练和推理循环中，同时还可以在较低级别将 Morpheus 管线与传感器集成。后者促进了一个闭环系统，在该系统中 Morpheus 中设计的工作流程执行更复杂和自动化的操作。

所有这些新功能还附带了新的和改进的文档，包括一份新的开发者指南，使 Morpheus SDK 的入门变得更容易。

德勤和 NVIDIA 宣布合作，在 NVIDIA Morpheus 的支持下，为客户带来基于人工智能的网络安全。与在通用计算机上运行人工智能模型相比，这种协作可以帮助企业提高高级攻击检测的有效性，同时每年实现 30% 至 50% 以上的基础设施成本节约。