駭客在入侵組織前通常會先盡可能地收集目標相關資訊。其中包括公司相關人士的詳細資訊以作為之後的釣魚攻擊所需。隨著機器學習(Machine Learning)出現，駭客不必再手動進行這些研究工作，而是可以自動化並加速整個過程。
這樣子利用機器學習也代表利用公司高階主管甚至更低層員工個人資料來進行的針對性攻擊會飆升。此類網路釣魚攻擊方式可能將成功機會提高多達30%。
許多網站和系統利用驗證碼（CAPTCHA）機制來區分真人與機器人。不過在機器學習時代，這些以往有效的作法也受到了影響。
這並非駭客第一次利用機器學習來破解驗證碼（CAPTCHA）機制 – 在2012年，研究人員證明可以利用機器學習繞過reCAPTCHA系統，成功率達到82%。而最近在2017年，研究人員利用機器學習繞過Google reCAPTCHA保護機制的成功率達到98%。
駭客如何利用機器學習(Machine Learning)?
精細的網路犯罪一直在尋找下一個大規模的攻擊手法，並且不會吝於嘗試新方法來攻破目標並入侵企業的IT資產和敏感資料。要阻止這類威脅的最好方法之一是提高人們的安全意識並增加對最新風險及如何防範的了解。
目前駭客的一個新興策略是使用機器學習(Machine Learning)。就跟許多先進創新的技術一樣，機器學習可以對企業有益，卻也能夠幫助惡意活動。
機器學習：入門
許多IT和開發團隊及技術機構都正在使用機器學習 ,正如SAS所解釋，機器學習是人工智慧的一個分支，它建立在構建自動化分析模型的基礎上。換句話說，機器學習讓系統能夠根據其持續使用和經驗來增加自己的知識並調整程序和活動。
“機器學習的迭代方面非常重要，因為隨著模型接觸到新資料，需要能夠獨立適應，”SAS表示。“它們從之前的計算中學習以產生可靠、可重複的決策和結果。這並不是一門新學科，但卻獲得了新動力。”
人們也可能在日常生活中碰過某種形式的機器學習演算法 – 如串流媒體服務和網路賣場的線上推薦，還有自動詐騙偵測等代表現實世界裡已經存在的機器學習用例。 繼續閱讀
