鉴于安全运营资源严重短缺，并且大多数组织都在尝试处理大量数据，因而AI / ML功能将被运用在安全运营流程的自动化上。
Craig Sanderson认为“AI和机器学习将被广泛运用于检测新威胁，以及确定威胁的范围、严重性上，随着安全运营成为一个大数据问题，它需要大数据解决方案。”
打击供应链腐败 建立远程协作空间
到2020年，我们将更加需要对抗机器学习来打击供应链腐败。
Sean Tierney指出，“远程协作空间的主要问题在于确定谁可以访问哪些数据。人工智能应用将在传统业务流程中变得越来越普遍，如识别供应链是否已被破坏。”
加强账户管理 为账户持有人建立特殊关系
人工智能将在账户管理中变得更加普遍。
Josh Johnston认为，“消费者将意识到密码不能提供足够的帐户保护，并且他们拥有的每个帐户都容易受到攻击。验证码也不可靠，因为它仅可以对是否机器进行识别，但不能确认尝试登录的人是该帐户的所有者。人工智能将是保护用户账户从创建、转移到支付交易整个流程的关键。此外，人工智能还将允许企业与其账户持有人建立一种关系，而这一关系不仅受到密码的保护。”
控制数据共享 防止隐私泄露
到2020年，消费者将更好地控制他们的数据共享和隐私。
Brian Foster指出，过去几年来，我们目睹了一些最大的隐私和数据泄露事件。由于抵制，苹果，谷歌，Facebook和亚马逊等科技巨头加强了其隐私控制，以赢得客户的信任。如今，形势已经转向有利于消费者的局面，企业必须把隐私放在第一位，才能继续经营下去。展望未来，消费者将拥有自己的数据，这意味着他们将能够有选择地与第三方共享数据，但最重要的是，他们将在共享后取回数据，这与过去几年的情况不同。
对抗AI 提前补全漏洞
随着网络安全威胁的演变，我们将与AI对抗。
Brian Foster指出，最成功的网络攻击是由高度专业的犯罪网络执行的，这些网络以AI和ML来利用用户行为或安全漏洞等访问有价值的业务系统和数据。所有这些都使得IT安全组织很难跟上——更不用说保持领先了。虽然攻击者只需要在企业安全中找到一个漏洞，但企业必须提前补上所有的漏洞。以人工智能的发展速度，人类很难与之竞争。
阻止受损硬件 扩大硬件供应链攻击载体
人工智能和机器学习将阻止受损的硬件进入供应链。随着市场对更多、更便宜的芯片的需求不断扩大，硬件供应链攻击的载体也在扩大，零部件和配件推动了硬件造假者和仿制者的蓬勃发展。这种扩展可能会为民族国家和网络犯罪威胁者提供更大的妥协机会。
