根据Narrative Science的数据，截至2017年底，约61％的企业已将人工智能（AI）应用于其组织中 - 比去年增加了23％ 。Deloitte表示，人工智能在业务中的应用只会增加：预计到2018年底，使用机器学习的大中型企业数量将翻一番。
机器学习是AI的一种形式，它计算大量数据，将算法应用于数据，并根据其观察结果进行预测。采用机器学习的常用技术包括面部识别，语音识别，翻译服务和对象识别。
企业通常使用机器学习来定位和处理大型数据集，如果有的话，人类无法及时排序。 亚马逊，IBM，谷歌和微软等大公司使用机器学习来改善业务功能。但是，一些组织正在实施机器学习，其目的更为狭窄：网络安全。
虽然许多人认为通过更好地跟踪安全问题，机器学习使网络安全专业人员的生活变得更加容易，但情况并非如此。就像任何新技术一样，机器学习仍然存在缺陷 - 这些问题使得技术变得更加令人头疼，而不是帮助安全领域。
1.配备机器学习的黑客
机器学习可以帮助抵御攻击者，但在被错误的人使用时可能具有破坏性。“一场军备竞赛正在发生，因为每一方都试图一对一地制造出更好的人工智能，” Onica机器人学习专家Ryan Ries说道 。
2.缺乏透明度
根据Gartner研究副总裁Anton Chuvakin的说法，在大多数网络安全系统中，当检测到漏洞时，管理员可以进入并查看导致警报的原因。但是，对于基于机器学习的系统，无法确定警报的原因，导致缺乏透明度。Chuvakin说，有时，这些警报最终会被误报。
3.提供正确的数据
当任何和所有数据都被馈送到机器学习系统时，机器学习系统不起作用。这些系统实际上有点挑剔。Chuvakin表示，现代机器学习算法依赖于非常具体的数据。
“当我们与一些供应商交谈时，他们告诉我们，挑战往往不是关于机器学习，而是更多关于如何提供正确的数据，”Chuvakin说。
4、人类仍然需要使系统工作
由于机器学习系统无法解释为什么某些东西被标记，因此需要某些东西（或其他人）。Chuvakin表示，很多人担心人工智能会让人失去工作，但凭借机器学习所需的专业技能，实际上可能会创造出更多就业机会。
5.科技人才短缺
使机器学习工作所需的专业技能产生另一个问题：需要难以找到的人才。科技界的人才短缺，特别是数据科学家的人才短缺，绝对不是秘密。处理机器学习系统很困难，因此很难找到能够帮助这些利基操作系统的个人，让网络安全专业人员陷入困境。
