相關專題：
近來隨著疫情常態(tài)化，如何在持續(xù)嚴防疫情風險的同時保證社會生活的有序高效運行，成為了各行各業(yè)的關注焦點。在辦公領域，通過現代互聯網技術，實現在家辦公、異地辦公、移動辦公的遠程辦公，逐漸成為了后疫情時代大勢所趨的辦公模式，但伴隨而來的網絡安全隱患也不容小覷——企業(yè)員工在使用個人設備及家庭網絡接入企業(yè)服務器進行遠程辦公時，網絡安全系數實則遠低于企業(yè)網絡，員工的個人設備一旦遭受網絡犯罪分子的攻擊，就可能危及企業(yè)的網絡安全。
對此，IEEE高級會員韓光潔以及IEEE高級會員Kayne McGladrey兩位網絡安全領域專家，分別分享了他們認為對提高遠程辦公網絡安全行之有效的技術建議。
聯邦學習技術保障企業(yè)數據隱私
面對遠程辦公所帶來的網絡安全隱患，很多企業(yè)的安全系統開始運用人工智能作為加強網絡安全的重要技術手段：人工智能技術可以幫助企業(yè)快速檢測辦公網絡的異常行為并及時做出響應；且當人工智能技術收集到更多的使用數據時，檢測系統就能變得更完善。然而在實際的工作中，出于對隱私保護的考量，會有網絡中各個端點不愿意共享使用數據，或是較大的組織不希望與較小組織共享數據的情況出現，以避免數據泄露和丟失。
IEEE高級會員韓光潔認為：“基于區(qū)塊鏈的聯邦學習技術，因其具有可優(yōu)化伸縮性且側重隱私數據安全的技術特點，可以極大地完善對網絡基礎設施日常的保護機制，對遠程辦公網絡數據安全保護至關重要�！奥摪顚W習（Federated Learning）是一種去中心化的機器學習技術，它允許多個實體（如企業(yè)、網絡節(jié)點或移動設備）在不交換關鍵數據的情況下，通過分散式深度學習多次迭代訓練實現知識共享以完善模型，避免了大規(guī)模數據匯聚帶來的通信壓力與信息安全問題，從而增強了各企業(yè)組織的數據利用率并進一步發(fā)掘其無形資產。
端點監(jiān)控預防企業(yè)數據丟失
疫情的沖擊，使得許多企業(yè)面臨了大規(guī)模的人員離職流動，而一些離職員工對于企業(yè)知識產權的不重視，無疑會為眾多企業(yè)帶來隱私信息保護難題。在此背景下，IEEE高級會員Kayne McGladrey認為，通過在整個企業(yè)包括遠程端點部署端點數據監(jiān)控技術，能有效監(jiān)控所有網絡端點包括服務器、云儲存庫、筆記本電腦、手機和任何其他使用、移動或保存數據的設備，從而幫助企業(yè)預防商業(yè)機密和敏感數據外泄，是防止知識產權內部盜竊的重要工具。
IEEE 專家簡介
韓光潔博士，IEEE高級會員，河海大學教授、物聯網工程研究所所長。韓光潔博士主要從事人工智能、工業(yè)物聯網、智慧海洋等領域的研究工作，主持和參與包括國家重點研發(fā)及國家自然科學基金重點項目在內的40余項科研項目。
韓光潔博士過往分享：《IEEE專家：人工智能助力網絡安全，讓網絡攻擊無所遁形》
