kojoj je svaki unos obeležen kao pripadnik određene klase . U kontekstu informacione bezbednosti , ovakav sistem zaštite je naučen da koristi prethodno viđena ponašanja , gde su sva ponašanja klasifikovana ili kao zlonamerna ili kao benigna .
Osnovne slabosti kontrolisano učenih mašina su te što maliciozna ponašanja koja se razlikuju u dovoljno karaktera od prethodno viđenog neće biti klasifikovana kao takva i proći će neopaženo , pa čovek mora da unese puno podataka kako bi naučio mašinu , a svaka greška u klasifikovanju i označavanju pretnji ozbiljno ugrožava sposobnost sistema da pravilno klasifikuje aktivnosti na mreži .
Nekontrolisano mašinsko učenje u sajber bezbednosti
Mašinsko učenje predstavlja značajan napredak i priliku za industriju sajber bezbednosti . Novi metodi
mašinskog učenja obećavaju bolju vidljivost mrežnog okruženja i znatno unapređenje detekcije raznih nivoa napada . Zahvaljujući većoj količini izvršenih analiza moguće je doneti više zaključaka i inicirati veliki broj novih analiza .
Napredno mašinsko učenje je na čelu borbe protiv automatskih napada i napada iniciranih od strane ljudi , prevazilazeći ograničenja koja polise , pravila i potpisi imaju . Ono uči šta je normalno u mreži – ne zavisi od znanja baziranog na prethodnim iskustvima ; napreduje na skali kompleksnosti i različitosti modernog poslovanja , gde se svaki uređaj i korisnik razlikuju u ponašanju ; inovacija napadača je glavno oružje protiv njih samih , jer se svaka neobična aktivnost beleži i vidljiva je mašini ; konstantno preispituje pretpostavke ponašanja , koristeći matematičke zakone verovatnoće ; mašina je uvek ažurna i nezavisna je od ljudskog faktora .
Koristiti nekontrolisano mašinsko učenje u sajber bezbednosti je teško , ali pažljivo implementirano ono je ekstremno precizno u prepoznavanju svih malicioznih aktivnosti na mreži . U takvim slučajevima prethodno neidentifikovani napadi postaju vidljivi i prepoznati na mreži , čak i ako sam kôd nije uspešno izvršen u sistemu . Mašinsko učenje analizira sistem sa velikim setom podataka i uči normalno ponašanje uređaja i korisnika , čime stvara šemu ponašanja ( obrazac životnog veka ).
Mašinsko učenje može dodati mašini ljudske sposobnosti . Ono koristi postojeće informacije i stiče uvid u trenutno stanje , na osnovu čega samostalno donosi zaključke . Takođe , mašina procesira informacije u realnom vremenu . Samostalno usavršavanje , razumevanje , mašine se konstantno preispituje i adaptira se na osnovu novih informacija koje se u sistemu pojavljuju . Stoga , nekontrolisano mašinsko učenje dozvoljava mašini da prepozna napade u trenutku pojavljivanja ili
Internet ogledalo Business & Technologies Magazine :: Broj 183