人工智能在应用网络空间安全的应用实践笔记

难题

• 未知威胁
• 已知威胁的检测率低，实时性不够
• 漏报，误报，错报，重复上报
• APT的攻击检测
• DDoS检测与防御
• 加密内容威胁检测
• 溯源攻击
• 攻防对抗博弈的智能化
• 威胁预测
• 网络欺诈检测

常见技术：MTD，大数据分析/威胁情报，蜜罐/沙箱
技术发展:黑白名单/规则匹配/特征匹配/数据分析
数据分析的关键因素：

• 信息来源：基于主机/网络
• 检测分析数据：行为和规则
• 加入实践因子：预测和取证
• 响应策略
• 持续监控

IDS特征：

• 模式：误用和滥用
• 检测：主动和被动
• 集中和分布

AI路线：

• 基于异常行为建模：样本质量要高
• 基于正常行为学习建模：无法判断异常是否是攻击行为，误报率高。

AI+网络安全面临的挑战

• 异常检测
• 误报造成的高成本
• 样本缺乏
• 学习结果难以预测
• 网络流量的多样性
• 自适应能力
• 效果难以评估

评估方法：ROC