勾勒出一種可能
關於Forget Killer Robots: Autonomous Weapons Are Already Online (忘記殺手機器人：自主武器已經在線)，其實主要在探討AI自主武器問題，該文章點破一個十分重要事實，所謂AI自主武器已經在Cyberspace廣泛應用，唯一的差異就是沒有實際應用在殺害人命層面。因為「intelligent autonomous agents」的惡意程式或行為用在竊取人的相關數據已經存在，且越形成熟，數量也逐漸增加。
當我們面對快速發展的「自主惡意活動」，站在「資安」防守方，必須加緊腳步建立更有效防禦手段。雖然許多論述，往往在觸及人的隱私活動時，總讓相關惡意行為分析綁手綁腳。在面對快速且自動化惡意行為時，傳統「手工分析」或是「半自動」模式下，讓相關軌跡數據分析，通常只呈現某些態樣，例如跑統計圖表與視覺呈現，近期出現EDR的相關產品也不夠全觀，最終必須搭配人的智慧與邏輯，才能勾勒出一個可能的模式。
所以在人的角度處理分析上，就會觸碰到記錄背後所擬態出的「人」的隱私與行為模式。反觀若讓AI介入分析，導入資安專業Domain為基礎，那麼人會碰觸的隱私與行為數據，將會大幅減少，只針對有問題惡意程序與行為活動，進行警示禁止(最好狀態)，或是需要人的介入分析，也可以大幅降低觸及人的隱私資料，資安防護手段能更有效抑制惡意程序行為發生，兼顧降低隱私侵犯的疑慮。
資料清洗與標記必然過程
不分產業別，在Loading Data後，進行Data的雜訊清洗，留下具分析價值數據，是人工智能與數據統計重要前置工作，要準備多少Data來進行後續的處理，取決採用哪種智能分析模式，例如：對抗式學習、監督式學習、RNN、CNN…等。接著進行Data Exploring，進行數據「預處理」，在資安數據中以上網行為記錄中，最常見且區要先規類的，就是在瀏覽器URL位置直接輸入查詢關鍵字或是公司內預設頁面。可以查詢關鍵字又可區分出有意義與無意義的資料，例如：輸入法錯誤的字串…等。
接著我們必須進行Data的Binning、Rescale及Recode，例如：區分內網與外網，往往在127.0.0.1會被我們界定在Localhost的內網上，可是一旦專家知識介入後，會發現127.0.0.1卻是存在著風險，例如代上特定通訊埠，有可能是ZeronNet翻牆行為，所以在Data的Binning過程中，就是需有效分析歸類。而在Rescale以及Recode的層面上，應將部門屬性與職級加入，因為代表著可以接觸的資料與網路活動的差異，再者把時間的因素進行Rescale。舉凡上班、下班、加班或是部門關閉活動時間加入，就可以找出在非人為時段，背景上網的特異網路活動。在資料標記上，尤其用再多螢幕畫面擷取與行為事件連結，或是特殊微量惡意行行為，建議以標註方式，來將顯Data在數據分析時，快速可用性。當然還有許多專業分析無法在文中一一呈現，但是很重要很重要的一點，數據蒐集工具的搭配，才是挖掘出潛在風險重要基礎。