Maschinelles Lernen und Sicherheit

Kapitel 2. Klassifizieren und Clustern

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel besprechen wir die nützlichsten Techniken des maschinellen Lernens für Sicherheitsanwendungen. Nachdem wir einige Grundprinzipien des maschinellen Lernens erläutert haben, stellen wir dir eine Reihe von Algorithmen des maschinellen Lernens vor, aus denen du bei jedem Sicherheitsproblem wählen kannst. Wir haben versucht, jede Technik so detailliert zu beschreiben, dass du weißt, wann und wie du sie einsetzen kannst, aber wir versuchen nicht, alle Feinheiten und Komplexitäten der Algorithmen zu behandeln.

Dieses Kapitel enthält mehr mathematische Details als der Rest des Buches. Wenn du die Details überspringen und die Techniken gleich ausprobieren möchtest, empfehlen wir dir, die Abschnitte "Maschinelles Lernen in der Praxis" und "Praktische Überlegungen zur Klassifizierung" zu lesen : A Worked Example" und "Practical Considerations in Classification" zu lesen und dir dann einige der beliebtesten überwachten und unüberwachten Algorithmen anzusehen: logistische Regression, Entscheidungsbäume und -wälder und k-means Clustering.

Maschinelles Lernen: Probleme und Lösungsansätze

Angenommen, du bist für die Computersicherheit in deinem Unternehmen zuständig. Du installierst Firewalls, hältst Phishing-Schulungen ab, sorgst für sichere Codierungspraktiken und vieles mehr. Aber am Ende des Tages ist ...