張哲誠教授/逢甲大學資訊工程學系

當你傳一張照片給朋友時，照片並不是整張一次送到對方手上，而是會被切成許多小塊，每一小塊都叫做封包（Packet）。這些封包分別在網路中傳遞，抵達對方的手機或電腦後，再重新組合成完整的照片。你可以把封包想像成網路世界裡的一個個小包裹。包裹外面貼著標籤，記錄寄件地址、收件地址和包裹類型；裡面則裝著真正要傳送的內容。網路上每秒都有數不清的封包來來往往。絕大多數是正常的資料，但其中也可能混入駭客送來的危險包裹。

但封包的數量實在太龐大，不可能全部靠人工逐一檢查。因此，我們需要請AI幫忙。不過AI並不會像人一樣直接看懂封包。要讓AI學會辨認網路流量，第一步通常是把封包的各種性質轉換成數字，例如：封包有多大?同一個來源一分鐘傳送了多少個封包?封包抵達的時間間隔是否規律?這些用來描述資料特性的數字，在AI領域中稱為特徵（Feature）。這就像大樓保全不需要拆開每一個包裹，只要發現同一個人一小時內進出大樓五十次，就會覺得事情不太尋常。

還有一種更有趣的做法：把封包中的數值資料直接轉換成一張黑白圖片。不同的數字代表不同深淺的像素，排列在一起之後，就形成一張具有特殊紋理的影像。如此一來，原本擅長辨識照片的AI模型，也能被用來分析網路流量。當AI看過足夠多的資料後，就有機會從這些特徵或紋理中找出規律，進一步分辨這是在看影片、這是在下載檔案，甚至察覺這段流量看起來不太正常。 但接下來會遇到一個更棘手的問題：如果攻擊方式是AI從來沒有看過的呢?