現今的資安防護強調縱深防禦，而次世代防毒軟體也強調多層次防護，那麼防毒軟體的多層次防護又是什麼呢？

真正的網路安全應該讓各種保護技術互相搭配作用，從傳統的特徵碼到行為分析、再到深度學習。

由於新的、複雜的網路攻擊試圖突破現有的保護，因此建立多層次防護至關重要，針對不同層級的基礎設施，對於每項受保護的資產應使用不同性質的保護，這樣可以有效地防禦不同類型的惡意軟體，同時使資產對大多數攻擊者來說增加入侵難度。

多層次防護示意圖，來源：Multi-layered Approach to Security

次世代防毒軟體的 AI 離不開兩大技術：機器學習、深度學習。早期因為算力、還有一開始為了調整偵測模型必需要人工介入，因此是以機器學習為主；隨著大數據（Big data）、顯卡算力的提升、以及讓調整好的模型自行學習辨識可疑檔案，深度學習也慢慢應用在次世代防毒軟體中，現在大家習慣統稱 AI。

機器學習是一種人工智慧類型，可在沒有明確指示的情況下執行資料分析任務。機器學習技術可以處理大量歷史資料，識別模式，以及預測先前未知資料之間的新關係。您可以對文件、影像、數字和其他資料類型執行分類和預測任務。例如，金融組織可以訓練機器學習系統來分類欺詐和真實交易。系統識別已知資料中的模式，以準確地猜測或預測新交易是否真實。

深度生成式學習是一種深度學習，專注於從所學的輸入建立新的輸出。傳統上，深度學習專注於識別資料之間的關係。深度學習模型使用大量資料進行訓練，以識別資料集中的模式。深度生成式學習為模式識別加入了生成的概念。這類模式會尋找資料模式，然後建立自己獨特的模式。例如，可以分析幾本書中的文字，然後使用資訊生成原始書籍中所沒有的新句子和段落。深度生成式學習是現代生成式 AI 與基礎模型的基礎。這些模型會大規模使用深度學習技術，並在大量資料上進行訓練，以執行複雜的任務，例如回答問題、從文字建立圖片和撰寫內容。

• 機器學習與深度學習之間有何區別？
• 什麼是機器學習？
• 什麼是深度學習？

當一個威脅要感染系統，面對次世代防毒軟體時，就得通過以下技術才能執行。這裡以卡巴斯基多層次防護架構說明之，其他防毒軟體廠商的技術可能略有不同：

第一層採用可靠且速度極快的技術，透過特徵遮罩與雜湊值偵測惡意軟體。

現今惡意程式快速爆發，有些廠商宣稱特徵碼已死是錯的，它其實是最精準的防線。

第二層使用模擬技術，在隔離環境中執行可疑程式碼。二進位檔與指令碼都會經過模擬，這對防範網路威脅至關重要。

第三層是傳統的偵測程序。這項工具可讓卡巴斯基實驗室的專家撰寫程式碼，並透過資料庫直接傳送給使用者。這項技術確實無可取代；它可透過勒索軟體解密工具，以及針對合法加殼程式的脫殼工具，進一步強化解決方案。

第四層是在用戶端使用機器學習模型。這些模型具備高度泛化能力，因此即使資料庫超過兩個月未更新，仍有助於避免未知威脅的偵測品質下降。

第五層是運用大數據的雲端偵測。它會運用卡巴斯基安全網路中所有端點的威脅分析資料，進而以前所未有的速度因應新威脅，並將誤判降至最低。

第六層是以執行記錄為基礎的啟發式分析。要抓到罪犯，沒有比當場逮個正著更萬無一失的方法。系統會立即備份受可疑程序影響的資料，並自動復原，在偵測到惡意軟體的當下將其消除。

第七層會蒐集檔案的即時行為洞察，以建立深度學習模型。此模型只需分析極少量的指令，就能判斷檔案是否具有惡意性。這有助於縮短威脅持續存在的時間；即使模型長時間無法更新，機器學習仍能維持高偵測率。

因此，要抵擋現今複雜的網路威脅，是各個方式互相搭配，而不是強調某個方式可以一招走遍天下。在各個層次使用人工智慧是卡巴斯基次世代端點防護的保護方法，在卡巴斯基解決方案被稱為「多層次的機器學習」，簡稱 ML2。

所有卡巴斯基的解決方案都使用相同的方法。