在名為《讓安全更AI》的主題演講中，周斌介紹了騰訊云安全模型的兩個維度：精準性和魯棒性。這兩點其實基本可以適用于所有安全需求，精準性是要及時準確地防御任何危險行為，魯棒性則需要整個安全策略具有一定的容錯能力，以適應不同場景，比如，前面提過的兩個燒腦問題。

　　在這方面騰訊云的做法是將算法、數(shù)據(jù)、機器學習的能力引入到整個安全模型的訓練中，以多維度覆蓋和真實數(shù)據(jù)導入為基準，通過業(yè)務數(shù)據(jù)、風險數(shù)據(jù)、行業(yè)協(xié)同數(shù)據(jù)、以及公共數(shù)據(jù)，構建出用于風險識別的智能引擎，進而獲得準確判斷正常群體/個體和風險群體/個體的能力。

　　騰訊云有一款叫天御的產品正是基于這種學習能力匯總而成。天御的服務涉及八個環(huán)節(jié)，覆蓋注冊、登陸、活動防刷、驗證碼真?zhèn)巍⒔鹑诜榔墼p，及URL識別等用戶生存周期的整個鏈條，通過比對來判斷該用戶是否屬于正常行為。

　　同時騰訊云還有一套基于基礎集群而發(fā)展出的人臉識別技術，通過攝像頭識別人臉并與身份證庫中的身份證進行比對，來判斷該用戶身份的真實性。

　　此種情況下，深度學習和算法就可以形成“雪球效應”，實現(xiàn)越來越精準的“安全絕殺”，這是人工智能為安全加的第一道屏障。

　　第二道屏障是大數(shù)據(jù)，同樣也是AI的基礎。

　　以社交起家的騰訊用戶遍布全球，數(shù)據(jù)量十分可觀，據(jù)周斌介紹，目前騰訊每天能夠處理的平臺數(shù)據(jù)量已經超過35萬億條，約300億條的即時通訊的消息，超過20億張圖片，這些數(shù)值為騰訊帶來了400P的基礎數(shù)據(jù)，基本可以覆蓋人們生活的各個方面，從社交到支付一應俱全，在這種情況下，騰訊云將場景逐一還原，加上不斷調整和深入的機器學習，達到在同一緯度上精準判斷的能力。

　　同時，騰訊自身的大數(shù)據(jù)處理能力也在不斷發(fā)展，在今年的sort benchmark比賽中，騰訊云大數(shù)據(jù)聯(lián)合團隊用了98.8秒完成了100TB的數(shù)據(jù)排序，騰訊云數(shù)智分布式計算平臺奪得了GraySort、MinuteSort兩個項目的冠軍，同時創(chuàng)造四項世界紀錄。

　　深厚的大數(shù)據(jù)積累，加上快速的處理能力，形成騰訊云在安全布局上的突出優(yōu)勢。

　　無生態(tài)不安全，這么說的原因在于安全領域發(fā)展到今天已經不是一兩家企業(yè)就能解決的問題。以最具代表性的BAT為例，他們都建有強大的安全團隊，但仍然通過并購、合作等方式，聯(lián)合更多行業(yè)安全力量，共同加固安全壁壘。

　　騰訊云不久前牽手知名DDoS防護公司Radware，雙方將在海外DDoS防護、國內騰訊云應用層、私有云、服務市場以及加密數(shù)據(jù)安全合作等領域展開全面合作。此前，騰訊云更已聯(lián)合綠盟、啟明星辰、亞信安全、IBM、賽門鐵克、天融信、深信服等企業(yè)成立云安全服務聯(lián)盟。在這樣的合作里，雙方都是拿出最核心的資本，連接在一起與安全危險持續(xù)對抗。

　　這種開放型生態(tài)也是“互聯(lián)網+”時代下很多行業(yè)都在積極推行的，而云計算則是進行開放最有力的基礎設施，可以說，連接開放的能力在非云時代由于信息孤島和無法快速復制集群規(guī)模等問題是沒有辦法成立的，安全能力的云化將是大勢所趨。

　　比如傳統(tǒng)的圖片處理這一環(huán)節(jié)，過去大家分別對圖片進行一張一張的累積，危險圖片由各個平臺獨自進行一張一張的排查，而借用云計算，騰訊優(yōu)圖實驗室每天可以處理超過20億張圖片，然后利用海量集群進行自主學習和深度計算，最后將該能力通過騰訊云，以SaaS服務的方式提供給不同行業(yè)的客戶，對一張圖片是否違規(guī)可做到秒級反饋，鑒別精準確率達99%，不僅為企業(yè)節(jié)省了時間成本，還降低了人力成本，這就是云計算帶來的裨益。

　　安全并非一蹴而就，無論是大數(shù)據(jù)、AI 還是生態(tài)也都不可單一成事，整個行業(yè)還需要砥礪前行，我們也就以最“智慧”的準備隨機應變吧。