← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 41.a.1.e.1 · 生成模型:未记录

重建误差只是异常线索

理解等级:中级

自编码器从正常流量学习压缩与恢复方式,新流量若重建差异超过阈值,就被视为异常。这个判别依赖正常样本和阈值,合法业务变化也可能偏离。告警是调查起点,不自动证明恶意,也不能保证发现所有分布内攻击。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 网络安全 学习式监测与取证的机制 · 查看原书依据

      如果所检测的网络流量特征不属于正常流量的特征分布空间,则说明恢复出来的流量与原始流量之间的距离差非常大。在距离差大于某个阈值时,判断网络流量属于异常流量。 (2)用户实体行为分析。 该领域最早的应用案例是安全信息和事件管理。通过恰当的配置,

    参考来源

    - 位置:《人工智能安全》网络安全,学习式监测与取证的机制(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0009.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。 - 原始内容:如果所检测的网络流量特征不属于正常流量的特征分布空间,则说明恢复出来的流量与原始流量之间的距离差非常大。在距离差大于某个阈值时,判断网络流量属于异常流量。 (2)用户实体行为分析。 该领域最早的应用案例是安全信息和事件管理。通过恰当的配置,