隨著物聯網設備的發展，各種裝置都可以連上網絡，使得阻斷服務攻擊 (DDoS)、勒索病毒、惡意軟體、網路釣魚等網路安全威脅日益新增。此外，網路攻擊變得更加複雜，新型惡意軟件的變種更是層出不窮。網路安全廠商 Watchguard 在2020年第一季發表的網路安全報告就指出，許多惡意軟件都是經過加密的，使其難以檢測及防禦。
了解人工智慧、機器學習、演算法、及大數據各自出現在上述案例的何處
1. 演算法：整套的計算流程可稱作蒙地卡羅求面積的演算法。
2. 機器學習：可以發現電腦學會用蒙地卡羅求面積，並且不再受限既定的幾何圖形，進步到可以計算任意圖形。
3. 大數據：可以發現當丟丟看的次數過少時，機率會不夠精準，而丟的越多次，機率就會越正確。同時也可發現只有電腦可以執行多次的快速運算，在數量及速度都遠勝於人類。
4. 人工智慧：我們讓電腦學會一個人類做不到的求面積方式，不正代表電腦有其特殊的智慧。
【為什麼早期不用蒙地卡羅法】
理由很簡單，早期沒有運算能力夠強的電腦來執行大量的反覆丟看看的運算，而現在可以，我們讓電腦學會計算任何圖形面積的方式，這就是機器學習，不就代表電腦可以獲得智慧，而且比人類更有效的計算出面積，幫助人類節省時間。
為什麼要特別討論蒙地卡羅法？因為現有的積分技巧都是建立在可以把曲線化為函數，再去進行積分運算，或進行數值分析(切長條)。而蒙地卡羅法的好處就是將要討論的圖案拿來直接做丟丟看的機率計算，就可以得到面積，所以蒙地卡羅法才如此重要。
類似的概念早在阿基米德時期就已經存在，就是排水法，我們不用把完整的物體切片算體積，只要計算水位上升多少就可以知道體積。也就是不用管原本的形態，直接找到接近的答案。換言之這也就是現在的黑盒子模式(Black box)。
以往網路安全較為著重被動安全，而通過大數據和人工智慧科技可以化被動為主動，預測攻擊者即將發動的威脅，並事先採取主動措施，封锁攻擊的發生，或減緩攻擊發生造成的風險。
當然，日常上網時的網路安全措施也非常重要。
※本文章屬於TNZE天擇集團所有嚴禁轉載※
