我們已經(jīng)進入了人工智能、機器學習和不斷增長的自動化的時代。現(xiàn)代計算的識別模式能力和基于大量數(shù)據(jù)做出決策的能力已經(jīng)創(chuàng)造了新的解決方案，并增加了客戶們的期望。

例如，如何應對太多的車禍和令人頭疼的交通？自動駕駛汽車可能就是答案。不能在銀行關門之前到達怎么辦？用一個APP就可以搞定。報紙行業(yè)勉強度日？基于人工智能的新聞機器人可以快速地生產(chǎn)出大量故事而減輕成本。

網(wǎng)絡安全并無不同。安全威脅是一個快速發(fā)展的領域，如今的威脅形勢每天產(chǎn)生成千上萬的威脅變種。伴隨著攻擊類型的不斷擴增和越來越復雜，我們顯然需要幫助。數(shù)據(jù)科學及支持技術正在推動安全領域的發(fā)展，并幫助人類處理和分析未曾處理過的海量數(shù)據(jù)。

這種不斷擴增的支持的弊端就是人們可能過于依賴機器。這種隔離用戶的技術將用戶看作是無能的受害者，導致用戶的“安全肌肉”萎縮。當這些工具使用戶感到自己是問題的一部分，從而進一步破壞了其在安全方面的力量時，安全就成為一種外部的難以對付的問題。如此一來，企業(yè)實際上會變得更不安全，造成粗心大意或是得意忘形的用戶甚至能夠破壞最可靠的安全保護。

我們在生活的其他方面都能夠從內(nèi)心里理解這一點。在我們并不知道在系統(tǒng)崩潰時會發(fā)生什么時，我們會畏縮不前。例如，很多人認為自己害怕會落后于自動駕駛汽車的發(fā)展，實際上我們并沒有準備好完全將控制權(quán)交給機器。

對待網(wǎng)絡安全我們也應當同樣謹慎。最佳的安全技術也不可能絕對萬無一失，因為網(wǎng)絡罪犯花費大量的時間和精力來攻克或避開安全防御。攻擊者和防御者之間的攻防游戲需要用戶來扭轉(zhuǎn)乾坤。在我們都重視機器學習時，卻不能忽視在防御攻擊和保護企業(yè)時人類學習的關鍵角色。

這正是為什么企業(yè)必須在投資技術和投資人員（或稱教育和培訓）之間尋求平衡，只有這樣才能隨著時間的推移而更好地保護自己。在更聰明的安全和更智慧的用戶之間存在一種互補性的關系，而用戶則可以提供最佳的全面防御。

“授人以魚不如授人以漁”。多數(shù)網(wǎng)絡安全廠商都希望給用戶“魚”，他們認為自己的方案可以解決問題。還有的廠商強調(diào)用戶的弱點，提倡將用戶作為一種主要的防御力量而進行教育。

而這兩者都有失偏頗，因為，沒有經(jīng)過培訓的用戶最終會無魚可吃，而只接受培訓的用戶在成為一名合格的“漁民”之前也是要餓肚子。

在保護企業(yè)的技術也能夠增強用戶們受教育的良好安全課程時，就達到了平衡。用戶們的安全行為越熟練，技術就越能保護用戶，在用戶偏離正確方向時，技術也能更好地提供安全和指導。最終，平衡就會發(fā)生改變，技術必須承擔越來越少的負擔，而用戶們的安全意識則會消除越來越多的實際的威脅面。

由于在適當?shù)募夹g和用來保障企業(yè)安全的用戶意識、用戶理解、許可的投資中實現(xiàn)了平衡，這種改善安全的方法易于被采用。人工智能和機器學習已經(jīng)并將繼續(xù)能夠使安全問題有所突破，但最終，安全還是要歸結(jié)為人的因素：幫助用戶理解安全的重要性以及如何實現(xiàn)安全。利用人工智能來促進和支持人的智能是保證二者綜合效益的最佳方法。