結合人類與機器的獨特長處，實現更好的安全結果
現今的安全態勢正快速改變。 網路攻擊數量從每天僅 500 次增加至估計的 200,000 至 500,000 次。 這導致必須處理的威脅和資訊量遠大於人類可以獨自處理的程度。 我們需要借助機器的處理、適應和擴充速度。
但我們也需要人類的足智多謀，才能與程式碼另一端的人類攻擊者相抗衡並獲勝。 簡而言之，我們需要由人力和機器組成的團隊來互相學習和通報，形成並肩作戰的陣營。
McAfee 已全面採用這類安全分析解決方案，這些解決方案均運用具適應性且最先進的進階機器學習、深度學習和人工智慧技術。 為推動創新步調，McAfee 快速發展進度超越了進階分析的標準形式，採取稱為「人機合作」的多階層方法。此方法藉由在產品和程序中放入「人機共生」的概念，使捕獲威脅的機率提高 10 倍，並減少 5 倍的誤判率。*
* 2016 年 MIT 出版，Kalyan Veeramachaneni 和 Ignacio Arnaldo 合著的＜AI²: Training a big data machine to defend＞。
人工智慧與機器學習簡介
完整掌握 AI 最新消息。
適合各種工作層級的多階層人工智慧
由於進階分析一再被重新定義，資料科學家和技術專家體認到複雜度正逐漸朝更前瞻和更高認知的運算形式演進。 此處所描述的這些階層為層層建構，目的就是要實現更好且更快的人工智慧。
機器學習不斷演進，以促成更優異的威脅防禦
最近的研究強調需要機器學習技術才能實現進階偵測功能。 McAfee 正致力將其機器學習網路安全技術發展成稱為「深度學習和人工智慧」，這類更複雜的分析技術。 深度學習是以機器學習為基礎的分析方法，使用多階層的數學神經元，這與人類大腦類似。 它提供做決策的推理和前饋或反卷積機制。 人工智慧將複雜度加入深度學習、附加推理、建議行動和問題解決能力中，通常於多維度空間中運作 (如同大腦一般)。 機器學習、深度學習和人工智慧在數學上更為複雜，因為運算方式變得更接近大腦和人類。
推動人機團隊的合作力量
在 McAfee 產品組合中，隨處可見機器學習和深度學習技術。McAfee Endpoint Security 套件就具有 Real Protect 機器學習功能。 我們的進階威脅分析解決方案套件 McAfee Advanced Threat Defense 和 McAfee Cloud Threat Detection 使用深度神經網路來提供進階惡意軟體行為分析。 在下方深入瞭解我們具備機器學習和深度學習功能的產品。
McAfee Advanced Threat Defense 提供深層靜態程式碼分析，可加強對惡意軟體的行為分析與沙箱功能，進而偵測出隱藏的規避性威脅。 它也會透過 McAfee 雲端式深度神經網路尋找經由機器學習辨識到的惡意指標。 這種無與倫比的分析技術會產生兩份報告，一份是可協助您瞭解攻擊範圍和行動優先順序的摘要報告，另一份則是詳盡的資料報告，其中記載分析師級的惡意軟體資料。
深入了解 >
