一个AI安全系统如何结合人与机器学习来检测网络威胁?

Q&AQ&A问答

一个AI安全系统如何结合人与机器学习来检测网络威胁?

来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-29

AI系统是个“虚拟”安全分析员团队，可以实时预测，检测和阻止攻击者
系统如何工作的事实，该系统已被证明是传统系统的十倍，人们松散地谈论机器学习，大多数系统都使用无监督学习，依靠无监督学习来进行异常检测本身不足以产生很多误报，因此系统在很大程度上依赖于人类安全分析师来教该系统检测威胁，除了模仿分析师，别无他法，由于围绕安全漏洞产生了海量数据，因此缺少的要素就是人的洞察力，人类能够弄清楚这一点。

将已经存在的数据取出来并确定是否会受到攻击
我们意识到，做到这一点的方法是效仿人类分析员，这是武器库中成功的工具，我们大规模地模拟了分析师，启动调查分析，使用人工智能和大数据来识别风险，系统为主动上下文建模，这是一种基于分析师反馈的预测模型，如果一位分析师每天看到一百个事件，则系统将向它显示一百个罕见的事件，理论上大多数攻击看起来都不像正常事件，当我们向分析师展示它时，他们指出了攻击。

系统吸收反馈并找出导致分析师认为是攻击的哪种行为
系统连续分析行为，如果分析家弄错了，机器将重新计算分析家的预测，整合越来越多的分析家反馈以完善模型，该系统会生成一个虚拟分析师来预测违规行为，然后可以将其扩展到全球范围内的分析师团队进行协作，AI的规模创新并非发生在汽车或机器人上，而是发生在客户服务中，在AI系统中，您可以训练，测试和部署，显示了部署方法它在实验室中进行了培训，然后进行了部署，游戏规则已经定义，攻击者不是按规则行事的，有了标签使用深度学习会变得更加容易，正确与错误的对策，对我们来说这不存在。

您如何训练算法来检测威胁呢？
他们的系统吸引分析人员实时检测威胁，我们正在尝试汇总各个公司的标签流程，以便我们可以训练模型，在AI的训练阶段，人们始终需要为其提供标签，无法实现这一目标，总会有安全分析师参与，分析师总是需要介入，因为威胁总是在变化，分析师非常直观-他们知道什么是攻击，但是他们并不擅长将其转换为基于规则的系统，但是尽管总是需要分析师，但确实他们不需要那么多分析师，公司想要做的是防止倦怠，提高分析师的效率并彼此协作，分析师需要彼此共享信息。

他们的系统不同于当今的大多数系统

没有这些系统的客观度量，现任者都是基于静态规则的系统，没有显示如何度量功效，这些系统要么根本不更新其模型，要么每年更新几次，与仅依靠机器学习相比，整合人类分析师在捕获威胁方面要好10倍。

免费客服热线：400-050-6600

商业联合会数据分析专业委员会

Prev article

数据分析师是怎样使用工具改善仪表板的可靠性，激发了客户的信任的？

返回列表

Next article

为什么您的公司需要提出有关大数据的正确问题?