很多公司声称本身的解决筹划中囊括了ML，但大年夜多半时刻，这项功能是被夸大年夜了的。钠揭捉?问供给商的问题，应落脚在他们体系的精确率、速度和效力上。分析的数据是大年夜哪儿来的?收集频率是多久一次?该解决筹划做出决定计划引导动作的速度有多快?拟定并问出这么些周全深刻的问题，可以让钠揭捉?出最合适自家公司需求的ML体系。
人工智能(AI)的话题已经热了数年，但比来，收集安然行业关于AI的评论辩论都集中在机械进修(ML)上——用算法梳理数据，大年夜中进修，并基于分析结不雅指导动作的一种AI办法，比如主动阻拦未知威逼什么的。
回想AI/ML汗青，你会很快发明，其背后的科学早在1950年代便开端成长了。1951年，阿兰·图灵的奠定性论文提出了一个简单的问题：“机械能思虑吗?”然则，如不雅该办法论已经出现了几十年，很天然地，我们会想，为什么如今才开端应用呢?
因为ML体系可在不受人监管的情况下自行评估新数据及行动，每家公司都急于在多种应用中采取该尖端办法。然而，机械进修的┞锋正价值，是基于过往所学，而不仅仅是当前纳入并分析的内容，来做出决定计划的才能。机械进修体系须要练习，而练习必须要有大年夜量以往数据和谍报。
为最大年夜化安然工作中ML的有效性，在采取ML之前最好先懂得清跋扈本身须要做什么。比如以下3个方面：
1. 收集高质量的数据
开辟者大年夜赛路演 | 12月16日，技巧立异，北京不见不散
练习机械进修体系的基本，是手握大年夜量高品德数据。采取含有ML的产品时，你会想要强化之前所做的工作，比如特点码收集和主动化恶意软件分析，以便将之与机械进修才能相结合，对新型恶意内容加以肯定。除了坏数据，你还须要拥有大年夜量良性数据，如许就可以在练习机械进修算法时，让它精确区分危险和良性的器械。
2. 建立安然一致性
最终，你需确保ML算法能在多个层级上运行，包含收集流量、用户行动和终端。举个例子，如不雅今朝你只不雅察本身收集流量中的异常行动，终端或用户行动都没有进入你的安然工作视线，你就弗成能精确接洽关系并肯定真正恶意的器械，做不出最明智的决定计划。
3. 向供给商提出精确的问题
推敲机械进修价值的时刻，最注目标很简单：用软件来主动采取行动。这一范畴的研究已延续了几十年，业界已走到了可有效应用的程度，我们防止成功进击的才能在ML的加持下已有所加强。
进击数量赓续增长，进击行动也正走向主动化，但公司企业的响应工作，却平日应用的是无法扩大的人工过程。在通往更少手动工作，尽可能主动化威逼防止过程的路上，机械进修无疑是收集安然人士的得力助手。
【编辑推荐】
- 收集安然新威逼：虚假消息
- 2018年收集安然的三个新动向
- 收集安然不克不及再靠“打补丁”保持了
- 大年夜数据时代收集安然问题分析！
- 除了人工智能工程师，还有一种工程师或许更抢手
推荐阅读
开辟者大年夜赛路演 | 12月16日，技巧立异，北京不见不散 1. 设备数量增多不克不及否定，我们正在历经一个万物>>>详细阅读
本文标题：引入机器学习前需要先弄明白这三件事
地址：http://www.17bianji.com/lsqh/39532.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示