網路安全的未來:非監督式機器學習如何有效看守企業數位資產?

監督式學習在網路安全領域,像是發現威脅的能力卻很有限,因為它只會去找以前看過或標籤過的特定目標,但非監督式學習則會持續在網路上尋找異常行為。

網路安全科技對現代人日常生活變得愈來愈重要,因此我們有必要了解網路安全使用的AI有哪些不同型態。

從相片辨識到自駕車,過去10年監督式及強化式學習技術將機器學習推進我們生活裏各個層面。但監督式學習在網路安全領域,像是發現威脅的能力卻很有限,因為它只會去找以前看過或標籤過的特定目標,但非監督式學習則會持續在網路上尋找異常行為。

機器學習有分幾種形式:監督式、強化式、非監督式及半監督式(又被稱為主動式學習)。

標籤 vs 學習

監督式學習靠的是加標籤以「認識」資訊的過程。機器藉由為大量資料加標籤來學習,並且只有在某人(通常是安全專家)加上標籤後才會認識某個東西,因為它沒辦法自己來。

這種方式只有在你很清楚知道自己要找什麼時有用,而在網路安全通常不是如此。往往駭客會利用安全軟體沒見過的攻擊手法,這樣監督式學習系統就完全沒用了。

非監督式學習的好處

這時就需要非監督式學習了。非監督式學習不需要標籤就可以從資料集形成推論。如果你想找出某個模式但不確定要找什麼,用這個方法最好。

這點讓它在網路安全上很大功用,因為攻擊者總是不斷變換攻擊方法。非監督式學習法並非找特定標籤,而是將任何常態之外的異常模式都標示為危險行為,因此更適合用在攻擊者手法千變萬化的情境。

非監督式學習會先為你的網路建立基準線,顯示正常情況下所有事物該是什麼樣子。這樣一來,如果有任何過大的檔案傳輸,或在異常時間傳送而偏離正常行為模式,就會被非監督式系統標為疑似危險。

如果攻擊者的行為監督學習程式以前沒有標為危險過,它就會抓不到。但非監督式學習安全程式只需要知道這個程式是異常的,就可以把它標示為可能的風險。

非監督式學習的生成和判別模型

非監督式學習有兩種類型:判別(Discriminative)與生成(Generative)模型。判別模型中,如果你給它X,它只能告訴你結果為Y。生成模型則能告訴你X和Y同時存在的機率為何。

簡單的說,兩者的差別是:判別模型為輸入值分派標籤,沒有預測能力。如果你給的X是它之前沒看過的,那它也無法告訴你Y是什麼,因為它沒見過。但在生成模型下,一旦你設定好、找到基準線,你就可以輸入任何值、叫它給答案。也就是說它具有預測能力,能告訴你之前它從未見過的可能網路行為。

因此若有人中午時間送出了30 MB的檔案,那他做壞事的機率有多少?如果你問判別模型這件事是否正常,它會檢查這個人是否以前曾在中午傳送這個檔案,特別是在中午。但生成模型被問同樣問題時會考慮此情境的前、後時間,像是這個人是否曾在早上11:59及中午12:30傳送過這個檔案,然後依據背景條件給出更精準的預測。

生成非監督式學習

我們MixMode現在使用的人工智慧屬於生成式非監督式學習模型,基本上就有這等預測能力。它蒐集資料形成網路的基準線,就能預測長時間會發生的事,因為它知道一個星期的某一天的網路該是什麼樣子。

ㄇㄩ

如果發生了任何偏離基準線的事,這個平台會對任何偵測到、但安全團隊疏忽的網路效能異常之處發出警示。

這種AI模型經過蒐集資料後會形成一個認知,知道星期一早上9:00公司網路會發生什麼事:員工會進到公司,導致網路流量增加,到了中午員工用餐時間,網路流量就會下降一點,之後他們會回來工作直到6:00然後回家,到了晚上流量就應該會掉下來。

因為生成式非監督學習模型具有預測能力,所以可以預防零時差攻擊,這使它成為現今最好的安全技術,對任何資料外洩反應速度也會最快。

主動式學習是未來主流

半監督式或主動式學習乃截取非監督及監督式學習的優點而成,以便預測網路應有的行為。

主動式學習承襲非監督式學習的特色,檢視網路上所有偏離正軌的行為模式,當發現到時就加上威脅標籤,這點又是監督學習的手法。

主動式學習平台非常好用,因為它不但持續掃瞄網路上任何偏差活動,也持續為發現到的異常情況加標籤,同時加入後設資料(metadata),這點讓它成為很強大的偵測和回應系統。

來源: Technative

關於我們

自1990年創刊UXmaster雜誌,1991年獲得美國LAN Magazine獨家授權中文版,2006年獲得CMP Network Computing授權,2009年合併CMP Network Magazine獨家授權中文版,2014年轉型為《網路資訊》雜誌網站,為台灣中小企業協助技術領導者落實企業策略,了解網路規劃及應用,為企業網路應用、管理、MIS、IT人員必備之專業雜誌網站。


與我們聯絡

加入《網路資訊》雜誌社群

© Copyright 2017 本站版權所有,禁止任意轉載 網路資訊雜誌 / 心動傳媒股份有限公司 聯絡電話:+886 2 29432416