来自 防护 2021-06-10 20:21 的文章

网站安全防护_美国高防服务器排行榜_原理

网站安全防护_美国高防服务器排行榜_原理

ImmuniWeb>安全博客how to evaluate Machine Learning in cybersecurity 1.8k 150 14 1 15 More 9 5 12星期四,2017年9月28日,星期四,Mark Mayne阅读时间:3分钟。机器学习可能是镇上现在谈论的话题,但你的购买决策应该基于它多少?我们来看看利弊……机器学习在安全环境中的主要前景是,该技术通过区分非典型行为和典型行为,在各种相关数据点的背景下,阿里巴巴如何防御ddos,为检测全新的未知威胁提供了机会。安全团队收集的数据量正在飞速增长——例如,ESG的研究表明,38%的组织每月收集、处理和分析超过10兆字节的数据,作为安全操作的一部分,而且数据量还在不断增加。28%的组织表示,他们今天收集、处理和分析的数据比两年前大得多,而另外49%的组织收集、处理和分析的数据比两年前有所增加。在这些来自不同来源的数据中,高防cdn试用,包括防火墙日志、其他类型安全设备的日志数据、网络设备的日志数据、防病毒工具生成的数据、用户活动日志和应用程序日志等,安全团队急需喘息。正是在处理这些数据的过程中,机器学习和人工智能具有重要的前景。然而,通往这一机械化乌托邦的道路仍然有一个主要的绊脚石,即机器学习算法必须根据大量正确标记的数据进行训练,搭建高防cdn,以便区分典型活动和潜在恶意活动。这需要大量的人工输入来检查数据是否准确,并密切关注分配的权重。分析公司Frost and Sullivan最近的一份报告总结了机器学习的好处:"网络安全威胁的不断演变迫使安全提供商改进现有的解决方案,并嵌入创新技术来提出替代方案。机器学习提供了一条新的途径。网络安全行业在测试新技术、新方法、新概念或新算法方面往往领先一步。其目的是最小化攻击者的优势并预测未来的网络攻击,以降低"网络战争的不对称性"的强度。通过机器学习,网络安全提供商可以更好地根据认可的算法优化反击。"那么,公司在实施机器学习时应该考虑哪些因素?一个好的出发点是观察和评估结果,而不是挂在成分上。High Tech Bridge首席执行官伊利亚·科洛琴科(Ilia Kolochenko)说:"首先,公司需要了解他们为什么要实施机器学习,cc攻击最有效防御,以及为什么要实施机器学习。这是当今一个非常热门和流行的话题,但是如果一个公司对它的直接利益(例如降低成本或提高速度)没有明确的认识,那么机器学习不仅没有用,而且可能是有害的。此外,由于所需的处理和存储容量,机器学习可能相当昂贵,有时经典算法可以以比机器学习便宜得多的方式解决任务。因此,如果你能在没有机器学习的情况下高效有效地解决你当前的问题,那就继续这样做吧。"仅仅因为机器学习是最新的流行语,而且确实可能被攻击者自己积极使用,就没有必要获得数据科学博士学位来评估基于ML的产品。根据您的业务部门、数字和实物资产等,您将完成并多次更新的详细风险评估为您提供了向任何供应商提出正确问题的关键,无论是否为AI/ML。只需提出那些能解决组织面临的最高风险的问题。为您的公司选择最佳ML实现的另一个关键技术是确保安全供应商的声明在概念验证(proof concept,POC)试验中得到验证。一个结构合理的试验将有助于任何企业确定最适合其需求的技术,并且必须在部署前形成可靠的尽职调查程序的一部分,即研究、审查和测试。科洛琴科有最后一句话:"机器也会犯错,只能和人类一样好。机器学习在网络安全领域的真正优势在于,它可以比人类安全分析师更快地分析大数据并得出有用的结论。然而,我们不应该期待机器学习带来奇迹,记住没有聪明人是不可能的。"High Tech Bridge的ImmuniWeb应用程序安全测试平台利用机器学习技术实现web漏洞扫描的智能自动化。通过人工智能的补充,它可以检测最复杂的web应用程序漏洞,BAT大企业如何防御ddos攻击,并提供零误报SLA。函数getSelectionHtml(){var html="";if(typeof窗口.getSelection!="未定义"){var sel=窗口.getSelection();如果(选择范围计数){var容器=文档.createElement("div");对于(var i=0,len=选择范围计数;i