不少的科技公司除了技術團隊之外，也必須有資安團隊編制，才能應對層出不窮的資安事件，而且大量運用 AI 來輔助寶貴的資安人力。LINE 資安團隊 GrayLab 主管 Lee Seung Jin 大家都在談 AI 機器學習的應用，也有嘗試套用在不同的資安面向，但提醒大家仍有相當多限制，需要時時調校才會有好的結果。
在資安界 Lee Seung Jin 的代號是 Beist，曾在美國的重要資安大會 DEFCON 和 Bluecode 演講，也曾在南韓軍方服役時，幾乎沒有在真的動槍動刀，還是擔任資安研究員。如今因為去年 LINE 買下他創立的資安顧問公司 GRAYHASH，成為 LINE 一員，要負責保護 LINE 的網路與硬體設施。
AI 用在資安尤其是防禦時有侷限，往往在小資料較單純的資料集，訓練出來的成果比較精準。一但訓練資料集比較大比較複雜的狀況，訓練出來的 AI 常發生偽陽性情形，仍需要人工去判讀。
▲ 用機器學習在資安的攻擊與防禦上面是目前的顯學，但是有訓練資料的限制，以及不時會有偽陽性情形，需要人工再去檢視。但是即便像是 LINE 這樣的大型科技公司，資安人力有限，有工具能協助都是很有用的事情，他們仍會積極部署機器學習到想得到的情境。
不過 Lee Seung Jin 強調，AI 是大趨勢，他們的資安防禦團隊仍會持續應用 AI 在各種想得到的不同場景當中，因為資安團隊人力有限，無法面對一直變化，而且類型複雜的侵入和惡意程式。儘管用 AI 模型仍有偽陽性情形，但透過分析 log 找出異常行為，疑似入侵，阻止用戶張貼垃圾訊息，仍相當有用。Lee Seung Jin 說有 AI 輔助仍是好事，也看好未來的發展
Lee Seung Jin 坦言要防護整個集團的架構，負擔並不輕鬆，尤其是站在防禦方，因為在資安攻防上面，攻擊往往比較容易，只要發現一個漏洞，就能得手。不過這也給 Lee Seung Jin 的團隊另一途徑，透過扮演紅隊，掃描系統弱點如 SQL injection，從發現的漏洞反過來逐漸修補整個系統。
由於 LINE 是平台，生態系當中有不少的合作夥伴，Lee Seung Jin 說他們也相當著重防範供應鏈攻擊手法，避免透過侵入合作伙伴的人員，導致 LINE 面臨威脅。畢竟入侵手法當中，針對人員的疏失遠比直接針對硬體或系統漏洞容易得多。
▲ LINE 資安團隊針對公司所有人，以及網頁開發者，設定不同的資安研究課程。
由於資安並不是只有資安團隊的責任，還要教育全公司上下，不只是教導技術人員開發應用時該注意的地方，還有非技術人員也得辨識得出來常見釣魚手法。因此 LINE 推出資安教育平台，有全體員工必須知道的基本課程，以及針對開發者的課程。
除了資安之外，隱私規範的部分也屬於資安團隊 GrayLab 負責的部分，成員背景則相當多樣，除了律師、法遵之外，還有法律和資訊雙重背景，隱私和資料保護專長的人員，確保 LINE 平台的使用者有安全的平台之外，從規範上也保護用戶的隱私。
（圖片來源：科技新報）
