没有合适的资源?快使用搜索试试~ 我知道了~
首页人工智能赋能安全:案例解析与未来展望
"2021人工智能赋能安全-应用案例集"是一份深度探讨人工智能在网络安全领域的实践应用与发展趋势的报告。该报告涵盖了以下几个关键部分: 1. 技术发展现状与趋势:章节介绍了全球人工智能技术的快速发展,包括5G、大数据、云计算和深度学习等技术的协同作用,以及AI在新兴基础设施中的战略地位。它强调了AI在技术革新和行业融合中的核心角色,尤其在网络安全中的重要作用。 2. AI赋能安全的内涵与意义:这部分深入剖析了人工智能时代网络空间安全的新特点,如更高级别的威胁识别和态势感知能力,以及对风险评分、恶意检测的改进。同时,它也揭示了人工智能带来的挑战,如隐私保护和伦理问题。 3. 应用案例分析:报告详细列举了多个具体场景下的AI赋能安全应用,如通信网络的安全保障,包括身份认证、恶意代码分析、恶意域名检测、流量识别等;内容安全方面涉及骚扰诈骗电话检测、恶意网页识别和手机恶意软件检测;数据安全则涉及数据分级分类、风险评估和防泄漏措施;此外,还讨论了物联网和工业互联网的业务安全,以及终端安全的防护。 4. 总结与展望:最后,报告总结了AI在安全领域的显著成果,并对未来提出了期望,旨在通过提供最佳实践案例,推动全球信息通信行业对AI在安全领域的共识建立,促进其广泛应用和规模化发展,从而提升网络空间的智能安全防护能力。 整体而言,这份案例集为读者展示了一个全景式的AI赋能安全框架,旨在帮助业界理解和掌握如何有效利用人工智能技术来应对不断演变的安全威胁,共同构建一个更加智能化和安全的网络未来。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/20259920/bg10.jpg)
14
3.1.2 恶意代码分析
基于多机器学习模型的恶意代码智能分析检测
【场景描述】
近年来,网络空间面临严峻的安全威胁,所谓的“僵木蠕”(僵尸网络、木马、蠕虫)攻击是其中的
典型代表。在这些攻击中,通常某种恶意代码会被作为攻击的载体,通过互联网、移动存储介质等传输至
被攻击目标,运行后造成信息泄漏、数据损失、主机失陷等后果。例如,2017 年在全球范围内掀起一阵风
暴的 WannaCry 勒索病毒,正是利用 Windows 系统的 SMB 服务相关漏洞进行传播,受害者主机上的图片、
文档、音视频、压缩包、可执行程序等文件会被加密,如果受害者不支付赎金,被加密的文件将无法恢复。
再比如,屡屡发生的 APT 攻击事件中,攻击者大多使用了鱼叉式钓鱼攻击的方法,诱导用户打开邮件中的
附件或链接,从而触发后续的一系列攻击行为,造成受害者主机上的重要数据被窃取,或是系统被控制成
为僵尸网络的一员等。在这些攻击中,作为攻击载体的恶意代码包括二进制 PE 文件(可执行文件)、PDF
文件、Office 文件、JavaScript 脚本等。现有的恶意代码分析检测技术主要基于特征指纹或规则库,对已知
恶意代码的识别准确率高,但是通常无法识别新出现的未知恶意代码,而为了不断提升其检测能力就需要
持续性投入大量人工来更新特征指纹或规则库。
针对以上问题,启明星辰发挥创新、研发优势,设计研发基于多种机器学习算法模型的恶意代码智能
分析检测系统。该系统能够从样本中自动提取特征并进行分析检测,有效提升恶意代码分析检测的自动化
水平,并对未知恶意代码有一定的检测识别能力,既减少了特征指纹或检测规则定义方面的人工投入,又
可以通过持续使用新样本进行迭代训练的方式实现模型检测能力的自动提升。
【技术方案】
在恶意代码分析检测中引入机器学习技术符合有监督机器学习的一般工作流程框架(如下图)。根据
不同恶意代码的类型,采用相应的预处理方法,再选择合适的人工定义与自动提取相结合的特征工程方法,
所得的特征向量作为机器学习模型的输入,基于大量标注样本进行机器学习模型的训练,训练好的分类器
应用于实际的恶意代码检测与分类中。其中,使用的机器学习模型可以由多个不同的子模型所组成,通过
集成学习的方法对多个子模型结果进行再学习以输出最终结果。
![](https://csdnimg.cn/release/download_crawler_static/20259920/bg11.jpg)
15
数据产生及
收集器
数据样本
数据预处
理模块
标注数据
未标注数据
机器学习
训练模块
分类器
特征工程
模块
图 1 一般有监督机器学习的工作流程框架
下面以 PE 二进制恶意代码类型为例,给出一个具体的技术方案描述。
图 2 基于机器学习的 PE 二进制恶意代码分析检测方案
首先,将待检测的 PE 二进制格式可执行代码在虚拟机或沙箱中运行,监控并记录所产生的系统 API
调用序列;然后,对获得的 API 序列进行特征工程,也就是使用 N 元模型、Word2vec 模型等方法将 API
序列转换为数值向量(称为特征向量);接下来将特征向量作为机器学习模型的输入,这里采用了两种不
同的模型,分别是基于提升树的传统机器学习分类器 XGBoost 和基于卷积神经网络的深度学习分类器
TextCNN,均需要使用大量标注数据进行离线的训练;获得两个分类器的输出结果后,再应用集成学习的
方法对分类结果进行再选择,从而得到最终的分析检测结果,即输入的代码是否为恶意代码及其具体类型。
![](https://csdnimg.cn/release/download_crawler_static/20259920/bg12.jpg)
16
【应用效果】
经过实验环境以及大量公开数据集的测试评估,基于多机器学习的恶意代码智能分析检测系统可以有
效提升恶意代码的分析检测自动化水平及检测准确率。对于几种常见类型的恶意代码,其检测准确率如下
表。
恶意代码类型
检测准确率
PDF/Office
98.8%
JavaScript
99.0%
PHP WebShell
98.4%
二进制 PE
98.7%
此外,该系统对未知恶意代码具有一定的检测能力,具体的检测成功率与未知恶意代码和已知恶意代
码的相似度有关,在一次实验评估中对训练数据集中未出现种类的恶意代码的平均检出率能够达到约 70%。
本方案中所采用的相关技术已经提交发明专利申请 1 件,待发表论文 1 篇。
【下一步工作建议】
持续积累最新的、不同类型的恶意代码样本,对算法模型进行优化,并构建模型迭代更新的机制,根
据模型的实际表现确定模型重新训练的频率。另外,需要研究如何在保证准确率的前提下简化机器学习算
法模型,降低计算复杂度,以更好地适用于大数据环境,提供满足离线分析、在线检测等不同场景需求的
分析检测机制。
一种层次化的机器学习引擎恶意代码检测方案
【场景描述】
当今网络环境下,新型恶意威胁层出不穷,这对恶意代码检测提出了极大的挑战。传统的威胁检测引
擎基于规则匹配进行威胁检测,其能力依赖于规则的时效性与通用性。对于未知威胁,传统引擎在规则没
有及时更新或是通用性不佳的情况下会存在漏报的风险。
亚信安全提出了一种层次化的机器学习引擎恶意代码检测方案,该方案通过机器学习技术关联威胁信
息和深入分析文件,通过提取文件的常用特征来检测新出现的未知安全风险。该方案还会对未知或不常见
的进程进行行为分析,以确定是否有新出现或未知的风险正在尝试感染网络。同时,该方案引入了一种层
次化的识别体系,将亚信安全已有的恶意代码检测引擎与预测型机器学习引擎有机结合,通过前置引擎分
析与后置过滤,可以有效的提高恶意代码检测率,减小误报率,从而更好的实现终端环境的全方位保护。
![](https://csdnimg.cn/release/download_crawler_static/20259920/bg13.jpg)
17
【技术方案】
一、技术方案概述
本方案整体架构如下图所示:
图 1 方案整体架构
如上图所示,对于恶意文件检测,该方案包含以下四个层次:
1. 待检测文件先经过已有的传统引擎进行扫描,传统引擎会将已知正常文件与已知恶意文件滤除,
只留下未知文件进入下一层处理。
2. 未知文件由机器学习引擎进行识别,在未执行的情况下,机器学习引擎会提取未知文件的静态文
件特征,并结合相应的静态模型与识别算法判断未知文件是否是恶意文件。如果识别正常,则进入下一层
进行判断。
3. 当未知文件被用户运行起来后,机器学习引擎则会提取未知文件相关进程的行为特征,并对其进
行实时分析。通过结合动态模型与进程实时动作,可以在未知进程有损害用户安全的动作出现前及时阻断
未知进程,隔离未知文件。
4. 用户同样可以将未知文件放入自定义的沙箱中,在可控环境中运行未知文件。通过对未知进程的
运行时行为与结果的全面记录与分析,可以最终判定该文件是否是恶意文件。
二、 机器学习引擎工作流程:
![](https://csdnimg.cn/release/download_crawler_static/20259920/bg14.jpg)
18
图 2 机器学习引擎工作流程
1. 训练流程:引擎收集及整合已知的正常与恶意文件,将其作为训练样本,采用已有模型进行训练,
生成相应的 Pattern。
2. 特征提取:针对未知文件,引擎对文件进行特征提取并进行进一步处理。
3. 模型预测:结合训练生成 Pattern 与未知文件特征,通过采用相应机器学习算法,对未知文件进行
分类。
二、 方案优点
该方案具有以下的优点:
1. 通过结合传统引擎与新型机器学习引擎,可以有效的在检测已知威胁的同时具有对未知恶意威胁
的识别能力。通过前置传统引擎,分层处理,可以高效的对正常与恶意文件进行过滤,从而使得机器学习
引擎能够更专注于未知威胁的识别。
2. 噪声消除引擎可以通过给定文件的成熟度与流行度综合判断文件是否是恶意文件,通过结合噪声
消除引擎与机器学习引擎,可以有效的降低误报率,从而减小文件误报带来的影响。
3. 机器学习引擎从静态与动态两个方面对未知文件进行识别,可以有效的避免恶意文件静态变形逃
逸检测,因此可以提供更全面的保护。
【应用效果】
该方案作为亚信终端防护产品 OSCE 的核心组件之一,有效的保护了终端用户的系统安全。在 2017 年
勒索软件 Wannacry 爆发事件中,该方案在其它传统检测引擎失效的情况下成功的检测出了 Wannacry 勒索
病毒并在第一时间阻断了其对用户文件的加密,避免了未知恶意软件对客户的系统造成进一步的伤害。
剩余113页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://profile-avatar.csdnimg.cn/3682da37cd064defa2192255859ae2dc_goodxianping.jpg!1)
安全方案
- 粉丝: 2159
- 资源: 3863
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-1.c8e153b4.png)
下载权益
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-2.8b825a4e.png)
电子书特权
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-3.fc5e5fb6.png)
VIP文章
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-4.320a6894.png)
课程特权
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-icon.fe0226a8.png)
开通VIP
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)