一、人工智能在安全工程的应用？

人工智能在网络安全领域的应用有非常突出的特点和优势，由于近些年来大数据量的爆发、计算能力的大幅度增长，同时也让人工智能技术实现了质的飞跃。

第一，针对于大数据的分析和识别威胁方面，可以为大数据做出安全保障。利用人工智能能够对原本模糊、非线性的海量数据进行甄别，非常有效地提升了大数据的安全检测效率、准确度，并能够进行自动化的检测。

第二，针对于关联性安全态势方面的分析，利用人工智能可以全方位地分析出内外部所存在的安全隐患。

二、智能制造信息安全技术具体有哪些？

1.工业云安全技术（云安全包括虚拟化安全、数据安全、应用安全、管理安全等。）；

2.工业物联网安全技术（信息采集、传输、处理、隐私保护）；

3.工控系统安全技术（涵盖以下五方面：）

（1）工业控制系统安全风险分析、评估技术、威胁检测技术，大数据分析、漏洞挖掘技术。

（2）工控系统信息安全体系架构及纵深防护技术。

（3）工控系统信息安全等级保护技术（构建在安全管理中心支持下的计算环境、区域边界、通信网络三重防御体系）。

（4）本质安全工控系统关键技术（安全芯片、安全实时操作系统、安全控制系统设计技术）。

（5）可信计算应用技术（可信计算平台技术、可信计算组件、可信密码模块应用技术）。

目前，工业控制系统信息安全威胁主要包括黑客攻击、病毒、数据操纵、蠕虫和特洛伊木马等。

三、大数据安全主要包全主要包括？

一、规模、实时性和分布式处理

大数据的本质特征（使大数据解决超过以前数据管理系统的数据管理和处理需求，例如，在容量、实时性、分布式架构和并行处理等方面）使得保障这些系统的安全更为困难。大数据集群具有开放性和自我组织性，并可以使用户与多个数据节点同时通信。

二、嵌入式安全

在涉及大数据的疯狂竞赛中，大部分的开发资源都用于改善大数据的可升级、易用性和分析功能上。只有很少的功能用于增加安全功能。

但是，你希望得到嵌入到大数据平台中的安全功能。你希望开发人员在设计和部署阶段能够支持所需要的功能。你希望安全功能就像大数据集群一样可升级、高性能、自组织。问题是，开源系统或多数商业系统一般都不包括安全产品。而且许多安全产品无法嵌入到Hadoop或其它的非关系型数据库中。

多数系统提供最少的安全功能，但不足以包括所有的常见威胁。在很大程度上，你需要自己构建安全策略。

三、应用程序

面向大数据集群的大多数应用都是Web应用。

它们利用基于Web的技术和无状态的基于REST的API。基于Web的应用程序和API给这些大数据集群带来了一种最重大的威胁。在遭受攻击或破坏后，它们可以提供对大数据集群中所存储数据的无限制访问。

应用程序安全、用户访问管理及授权控制非常重要，与重点保障大数据集群安全的安全措施一样都不可或缺。