지능형 웹 공격에 대한 머신러닝 적용
기술은 신속하게 발전합니다.
오늘날 머신러닝은 과거의 머신러닝과 다릅니다.
머신러닝은 알고리즘을 사용하여 데이터를 반복적으로 학습하는 데이터 분석 방법이며, 컴퓨터가 숨겨진 결론을 찾게 합니다.
컴퓨터는 프로그램을 실행하지 않고도 학습할 수 있으며 모델이 새로운 데이터에 노출될 때마다 적응할 수 있습니다.
온라인 쇼핑의 간단한 예를 들면, 가장 큰 온라인 쇼핑 채널은 고객이 구매하고 싶은 물건을 추천해 줍니다.
이러한 추천은 쇼핑 기록, 최근 검색, 관련 사람 또는 친구를 기반으로 합니다.
머신러닝은 이러한 많은 양의 데이터를 분석하고 고객이 구매할 가능성이있는 아이템을 추천하여 구매할 수 있도록 합니다.
머신러닝은 쇼핑 뿐만아니라 부정사용 방지, 이메일 스팸 필터링, 비디오 분석 및 지능형 공격 처럼 다양한 분야에서 응용되고 있습니다.
사이버 보안 산업을 살펴볼 때 머신러닝 접근법은 이 산업에 적합합니다.
머신러닝은 많은 양의 데이터를 수집하고 저장하여 증가하고 있는 지능형 사이버 공격을 분석할 수 있습니다.
매일 수집되는 방대한 양의 원본 데이터를 분석하는 것은 어렵습니다.
또한 머신러닝을 통해 핵심 인프라와 시스템을 효과적으로 보호할 수 있습니다.
머신러닝 알고리즘은 사전 행동과 탐지 사이의 간격을 줄이기 위해 발전됐으며, 반복적인 작업에 지치거나 불평하지 않으며 대용량 데이터에 적용하기에 좋습니다.
사이버 보안 업계에서는, 머신러닝 시스템을 완전히 신뢰하기 전에 기술과 기능에 대한 생각의 변화가 필요합니다.