码迷,mamicode.com
首页 > 其他好文 > 详细

机器学习

时间:2018-12-10 15:37:57      阅读:218      评论:0      收藏:0      [点我收藏+]

标签:测试   类方法   page   执行   搜索   主成分分析   物联网   属性   业务流   

机器学习的方法和网络安全

下面我们来讨论一下机器学习的各种方法、应用示例和能够解决的网络安全问题。

回归

回归(或称预测)是简单地通过现有数据的相关知识,来预测新的数据,例如我们可以用来预测房价的走势。

在网络安全方面,我们籍此可以根据诸如可疑交易的数量和位置等特征概率,来检查各种欺诈行为。

就回归的技术而言,我们可以分为机器学习和深度学习两大类。当然这种划分方式也适用于下面提到的其他方法。

机器学习的回归

机器学习的回归方法大致分为如下几种,它们各有利弊:

  • 线性回归
  • 多项式回归
  • 岭回归
  • 决策树
  • 支持向量回归(Support Vector Regression,SVR)
  • 随机森林

您可以通过以下链接,来进一步了解每一种方法:

  1. https://www.superdatascience.com/wp-content/uploads/2017/02/Regression-Pros-Cons.pdf 

深度学习的回归

以下是深度学习模型所采用的各种回归方法:

  • 人工神经网络(ANN)
  • 递归神经网络(RNN)
  • 神经图灵机(NTM)
  • 微神经计算机(DNC)

分类

分类是对图像进行区分,例如将两堆照片分为狗和猫两大类。在网络安全方面,我们可以籍此通过垃圾邮件过滤器,从各种邮件中甄别出真正垃圾邮件。

在事先准备好所有分类的定义和已知样本的分组之后,我们便可采用监督学习方法进行分类。

机器学习的分类:

  • 逻辑回归(LR)
  • k-近邻(K-NN)
  • 支持向量机(SVM)
  • 核函数支持向量机(KernelSVM)
  • 朴素贝叶斯
  • 决策树分类
  • 随机森林分类

业界普遍认为支持向量机和随机森林两种方法的效果最好。请记住,没有一种是放之四海而皆准的万能方法,“此之毒药,彼之蜜糖”。

深度学习的分类:

  • 人工神经网络
  • 卷积神经网络

只要您提供的数据越多,深度学习方法的效果就越好;不过在您的生产环境、和周期性再培训系统中,它也会消耗您更多的资源。

聚类

聚类与分类的唯一不同在于,前者面对的类信息是未知的,即:它并不知道数据是否能够被分类,因此属于无监督学习。

由于安全事件的原因、过程和后果存在着诸多不确定因素,而且需要对所有的行为进行分类,以发现蛛丝马迹,因此业界普遍认为聚类最适合取证分析。

例如,各种恶意软件防护或邮件安全网关之类的解决方案就能通过分析,从各种异常信息中发现与司法取证有关的文件。另外,聚类也可以被用于做用户行为的分析,进而将用户区分为不同的组。

通常情况下,聚类并不被用来单独地解决某项网络安全问题,而是被放置到某个处理任务的管道中,例如:将用户分为不同的组,以调整风险取值。

机器学习的聚类:

  • k-近邻(K-NN)
  • K-means算法
  • 混合模型(LDA)
  • DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)
  • 贝叶斯
  • 高斯混合模型(Gaussian Mixture Model)
  • Agglomerative 层次聚类
  • 均值偏移(Mean-shift)

深度学习的聚类:

  • 自组织映射(SOM)或 Kohonen 神经网络

关联式规则学习(推荐系统)

正如 Netflix 和 SoundCloud 会根据您的电影和音乐偏好来进行推荐那样,在网络安全方面,我们可以运用该原理来进行事件响应。

在公司使用不同类型的响应策略,来应对一大波的安全事件时,我们可以使用该系统来学习某项特定事件响应类型,通过标记出误报,进而改变其对应的风险值,以方便调查。

另外,风险管理方案可以根据预定的特征描述来为新的漏洞和错误的配置,自动分配风险值。

机器学习的关联式规则:

  • 先验
  • Euclat 算法
  • 频繁模式增长(FP-Growth)算法

深度学习的关联式规则:

  • 深度受限玻尔兹曼机(RBM)
  • 深度信念网络(DBN)
  • 栈式自动编码器

降维

虽然降维(或称概括)不像分类那样常用,但它对于那些处理未标记数据、和许多潜在功能的复杂系统来说,却是必须的。

降维可以被用来协助过滤掉不必要的特征。不过就像聚类一样,它通常只是某个更为复杂的模型中的子任务。在网络安全方面,降维常被 iPhone 之类的设备用在人脸识别的整体方案中。

机器学习的降维:

  • 主成分分析(PCA)
  • 奇异值分解(SVD)
  • T-分布领域嵌入算法(T-SNE)
  • 线性判别分析(LDA)
  • 潜在语义分析(LSA)
  • 因子分析(FA)
  • 独立成分分析(ICA)
  • 非负矩阵分解(NMF)

您可以通过以下链接了解到更多有关降维的知识:

  1. https://arxiv.org/pdf/1403.2877.pdf 

生成模型

上面提到的方法是根据已有信息做出决策,而生成模型则是基于过往的决策,来模拟出真实的数据。

在网络安全方面,它通过生成一个带有输入参数的列表,来测试特定应用的各种注入类型的漏洞。

另外 Web 应用的漏洞扫描工具,可以用它来测试未经授权的访问,其原理是:通过变异的文件名来识别出新的文件。

例如,生成模型中的“爬虫”在检测到名为 login.php 的文件后,就会在任何可能的备份和副本中,查找类似的文件名,如:login_1.php、login_backup.php 或 login.php.2017。

机器学习的生成模型:

  • 马尔可夫链(Markov Chains)
  • 各种遗传算法

深度学习的生成模型:

  • 变分自动编码
  • 生成对抗网络(GANs)
  • 玻尔兹曼机

网络安全的需求和机器学习

上面我们是从机器学习方法的角度出发,讨论了可应用到网络安全中的不同场景。

现在让我们从常见的网络安全需求出发,从 Why、What 和 How 三个层面来探讨使用机器学习的机会。

第一个层面:对应的是 Why,即目标或需求(如:检测威胁和预测攻击等)。

根据 Gartner 的 PPDR(Policy Protection Detection Response)模型,所有的安全需求都可分为五大类:

  • 预测
  • 防御
  • 检测
  • 响应
  • 监控

第二个层面:用技术来回答“What”的问题(如:在哪个方面监控问题)。

大致包括如下方面:

  • 网络(网络流量分析和入侵检测)
  • 终端(反恶意软件)
  • 应用(Web 应用防火墙或数据库防火墙)
  • 用户(用户行为分析)
  • 流程(反欺诈)

上述每个层面都有不同的子类。例如:网络安全可以包括有线、无线或云端环境。注意:根据不同的数据依赖性,最好不要跨层面地使用相同的算法。

第三个层面:应对的是“How”的问题(例如,如何检查某个特定区域的安全)。

大致包括如下方面:

  • 实时流量
  • 静态数据
  • 历史记录

就终端保护而言,您可以按照入侵检测的思想,监控某个可执行文件的各个进程,采用静态的二进制分析,并对目标终端的历史行为进行深度解析。

显然,我们在此不可能面面俱到,下面就让我们从技术层面这个角度来探讨网络安全的各种解决方案。

网络防御中的机器学习

网络防御涉及到诸如以太网、无线、SCADA(Supervisory Control And Data Acquisition,数据采集与监视控制系统)和虚拟网络等方面的解决方案。

技术分享图片

在网络防御中,最著名的当属入侵检测系统(IDS)了。虽然它们大多数是基于签名方法的,但是近年来也一直尝试着采用机器学习来提高检测的准确度。

那么机器学习中网络安全中的一种应用就是:网络流量分析(NTA)。它通过对每个层面的网络流量进行深度分析,以发现各种攻击和异常。

下面是具体的应用示例:

  • 通过回归算法,来预测网络包的各项参数,并将它们与正常的流量做比较。
  • 通过分类算法,来识别诸如扫描、欺骗等不同类型的网络攻击。
  • 通过聚类算法,来进行取证分析。

您可以通过如下 10 篇学术文章来做进一步的了解:

  • 入侵检测中的机器学习技术
  1. https://arxiv.org/abs/1312.2177v2 
  • 在时序中运用长短时记忆网络进行异常检测
  1. https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2015-56.pdf 
  • 通过规则提取的异常检测框架实现高效的入侵检测
  1. https://arxiv.org/abs/1410.7709v1 
  • 网络异常检测技术综述
  1. https://www.gta.ufrj.br/~alvarenga/files/CPE826/Ahmed2016-Survey.pdf 
  • 深入浅出地对网络入侵检测系统进行分类与调研
  1. https://arxiv.org/abs/1701.02145v1 
  • 深度数据包:一种使用深度学习分类加密流量的新方法
  1. https://arxiv.org/abs/1709.02656v3 
  • 入侵检测系统和 Snort 系统中机器学习在应用中的性能比较
  1. https://arxiv.org/pdf/1710.04843v2.pdf 
  • 在入侵检测系统中对机器学习算法的评估
  1. https://arxiv.org/pdf/1801.02330v1.pdf 
  • 基于 LSTM 的类聚集式异常检测
  1. https://arxiv.org/pdf/1802.00324.pdf 
  • 使用循环神经网络的流量异常检测
  1. https://arxiv.org/abs/1803.10769v1 
  • 在计算机网络流量中使用序列聚集规则进行异常检测
  1. https://arxiv.org/pdf/1805.03735v2.pdf 
  • IDS 方法大集合
  1. https://arxiv.org/pdf/1806.03517v1.pdf 

终端保护中的机器学习

新一代的反病毒软件是终端检测和响应(Endpoint Detection And Response),它更适合于学习各种可执行文件及其内部进程中的行为特征。

技术分享图片

在使用机器学习来应对终端层面上的安全问题时,您的具体方案应根据终端的差异性而有所不同。

总的来说,对于工作站、服务器、容器、云实例、移动端、PLC(可编程逻辑控制器)和物联网设备等类型的终端而言,虽然它们各自的具体情况不尽相同,但是我们在方法上可以总结出如下的共性:

  • 通过回归算法,来为可执行程序,预测下一次的系统调用,并将其与真实的进程做特征比较。
  • 通过分类算法,将软件应用划分为恶意软件、间谍软件和勒索软件等类型。
  • 通过聚类算法,保护邮件网关免受恶意软件的攻击,如过滤掉非法的附件。

您可以通过如下 3 篇学术文章来进一步了解终端保护和恶意软件:

  • 恶意软件检测之:吃透可执行文件
  1. https://arxiv.org/pdf/1710.09435v1.pdf 
  • 浅谈运用深度学习进行恶意软件分类
  1. https://arxiv.org/abs/1807.08265v1 
  • 跨时间与空间维度消除恶意软件分类中的实验偏差
  1. https://arxiv.org/abs/1807.07838v1 

应用安全中的机器学习

应用安全不仅仅是 Web 应用防火墙和代码分析,还涉及到数据库、ERP 系统、SaaS 应用、和微服务等静态与动态方面。

因此,我们无法通过建立一个通用的机器学习模型,来有效地应对所有方面的威胁。

技术分享图片

下面让我们试着通过几个典型场景,来讨论如何将机器学习运用到应用安全之中:

  • 通过回归算法,检测各种异常的 HTTP 请求,如:XML 外部实体(XXE)攻击、服务器端请求伪造(SSRF)攻击和认证旁路(auth bypass)等。
  • 通过分类算法,检测已知类型的注入攻击,如:SQLi、跨站脚本攻击(XSS)和远程命令执行(RCE)等。
  • 通过聚类算法,检测用户的活动,以发现 DDoS 攻击和大规模的漏洞利用。

您可以通过如下 3 篇学术文章来做进一步的了解:

  • Web 攻击中的自适应检测恶意查询
  1. https://arxiv.org/pdf/1701.07774.pdf 
  • 采用 JavaScript 和 VBScript 研究恶意脚本的神经分类
  1. https://arxiv.org/abs/1805.05603v1 
  • URLNet:深度学习 URL 的变形模式,检测恶意网址
  1. https://arxiv.org/abs/1802.03162v2 

用户行为中的机器学习

该领域的最早应用案例是:安全信息和事件管理(SIEM)。通过恰当的配置,SIEM 能够凭借对用户行为的搜索和机器学习,来实现日志的关联与分析。

不过用户和实体行为分析(UEBA)理论则认为 SIEM 无法真正处理更新的、更先进的攻击类型,以及持续的用户行为改变。

技术分享图片

UEBA 工具需要监控的用户类型包括:域用户、应用程序用户、SaaS 用户、社交网络用户和即时通信用户等。

不同于恶意软件检测的仅根据常见的攻击,训练分类器的概率;用户行为是一个更为复杂的层面,并会涉及到无监督学习。

由于此类数据集既未被标记,又没有清晰的查找方向;因此我们同样无法为所有用户的行为,创建统一的算法。

以下是各个公司通常用到的机器学习方法:

  • 通过回归算法,来检测用户的异常行为,如:在非常规时间登录系统。
  • 通过分类算法,对不同类型的用户采取组内特征分析。
  • 通过聚类算法,将违规的用户从他们组中检测和分离出来。

您可以通过如下 2 篇学术文章来做进一步的了解:

  • 通过企业案例,探究使用扩展式隔离森林算法检测异常用户行为
  1. https://arxiv.org/abs/1609.06676 
  • 在结构化的网络安全数据流中,通过深度学习实现无监督式内部威胁检测
  1. https://arxiv.org/abs/1710.00811 

流程行为中的机器学习

不同企业的业务流程可能存在着巨大的差异,我们对于银行、零售系统、和制造业中,各种欺诈行为的检查也会有所不同。

因此,只有具备一定的行业背景知识,我们才能在机器学习的功能建模和算法的选择上,更具有流程行为的针对性。

技术分享图片

下面是被运用到工业控制系统(ICS)和数据采集与监视控制系统(SCADA)领域的通用方法:

  • 通过回归算法,预测用户的未来行为,并检测出诸如信用卡欺诈之类的异常活动。
  • 通过分类算法,检测已知类型的欺诈。
  • 通过聚类算法,从正常业务流程中分拣出异常进程。

您可以通过如下 3 篇学术文章来做进一步的了解:

  • 自编码器式欺诈
  1. https://shiring.github.io/machine_learning/2017/05/01/fraud 
  • 信用卡诈骗检测技术综述之:数据和技术
  1. https://arxiv.org/abs/1611.06439v1 
  • 异常检测、工业控制系统与卷积神经网络
  1. https://arxiv.org/abs/1806.08110v1 

有关机器学习的网络安全丛书

当然,如果您想了解更多关于网络安全中的机器学习,还可以参阅如下书籍:

技术分享图片

①《网络安全中的AI》(2017)--Cylance 出版

简介:本书不厚,却能很好地介绍网络安全中的机器学习基础知识,同时配有各种实践案例。

链接:

  1. https://pages.cylance.com/en-us-introduction-to-ai-book.html?_ga=2.89683291.1595385041.1538052662-139740503.1538052662 

②《机器学习和安全》(2018/01)-- O‘Reilly 出版

简介:迄今为止,该领域的最好书籍,机器学习的示例较多,深度学习的范例偏少。

链接:

  1. http://shop.oreilly.com/product/0636920065555.do 

③《渗透测试中的机器学习》(2018/07)-- Packt 出版

简介:知识难度上较前两本有所拔高,提供更多深度学习的方法。

链接:

  1. https://www.packtpub.com/networking-and-servers/mastering-machine-learning-penetration-testing 

④《恶意软件的数据科学:攻击检测和属性》(2018/09)

简介:本书聚焦于恶意软件。由于它是新近出版,故尚无评论,但必将成为终端保护团队的必备书籍。

链接:

  1. https://nostarch.com/malwaredatascience 

结论

本文上述讨论的只是机器学习在网络安全领域应用的冰山一角。随着企业数据量的增多、系统的复杂化以及深度学习应用的不断改进,我们需要不断地通过实践,让安全防御变得越来越智能。

当然,道高一尺魔高一丈,黑客们也在各个角落里通过机器学习,努力提升他们的攻击能力。

机器学习

标签:测试   类方法   page   执行   搜索   主成分分析   物联网   属性   业务流   

原文地址:https://www.cnblogs.com/bjxq-cs88/p/10096337.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!