SecuML https://anssi-fr.github.io/SecuML/
SecuML adalah alat Python yang bertujuan untuk mendorong penggunaan Pembelajaran Mesin dalam Keamanan Komputer. Ini didistribusikan di bawah lisensi GPL2+.
Hal ini memungkinkan pakar keamanan untuk melatih model deteksi dengan mudah dan dilengkapi dengan antarmuka pengguna web untuk memvisualisasikan hasil dan berinteraksi dengan model. SecuML dapat diterapkan pada masalah deteksi apa pun. Ini memerlukan fitur numerik masukan yang mewakili setiap instance. Ini mendukung label biner (berbahaya vs. jinak) dan label kategoris yang mewakili kelompok perilaku berbahaya atau tidak berbahaya.
Manfaat SecuML
SecuML mengandalkan scikit-learn untuk melatih model Machine Learning dan menawarkan fitur tambahan:
- Antarmuka pengguna web
diagnosis dan interaksi dengan model Pembelajaran Mesin (pembelajaran aktif, deteksi kategori langka) - Sembunyikan beberapa mesin Machine Learning
otomatisasi pemuatan data, standarisasi fitur, dan pencarian hyperparameter terbaik
Apa yang dapat Anda lakukan dengan SecuML
- Melatih dan mendiagnosis model deteksi sebelum diterapkan dengan DIADEM
- Menganotasi kumpulan data dengan beban kerja yang dikurangi dengan ILAB
- Menjelajahi kumpulan data secara interaktif dengan deteksi kategori langka
- Kekelompokan
- Proyeksi
- Menghitung statistik deskriptif setiap fitur
Lihat dokumentasi sphinx untuk lebih detail.
Dokumen
- Beaugnon, Anaël, dan Pierre Chifflier. "Pembelajaran Mesin untuk Sistem Deteksi Keamanan Komputer: Umpan Balik dan Solusi Praktis" Rendez-vous Aplikasi Keamanan Komputer & Elektronik (C&ESAR 2018)
- Beaugnon, Anaël, Pierre Chifflier, dan Francis Bach. "Pembelajaran Aktif End-to-End untuk Pakar Keamanan Komputer."
Lokakarya KDD tentang Eksplorasi dan Analisis Data Interaktif (IDEA 2018). Versi lanjutan dari AICS 2018. - Beaugnon, Anaël, Pierre Chifflier, dan Francis Bach. "Pembelajaran Aktif End-to-End untuk Pakar Keamanan Komputer."
Lokakarya AAAI tentang Kecerdasan Buatan untuk Keamanan Komputer (AICS 2018). - Beaugnon, Anaël, Pierre Chifflier, dan Francis Bach. "ILAB: Strategi Pelabelan Interaktif untuk Deteksi Intrusi."
Simposium Internasional tentang Penelitian Serangan, Intrusi dan Pertahanan (RAID 2017). - [PERANCIS] Bonneton, Anaël, dan Antoine Husson. "Pembelajaran Mesin menghadapi kendala dalam pengoperasian sistem deteksi."
Simposium tentang Keamanan Teknologi Informasi dan Komunikasi (SSTIC 2017).
Disertasi PhD
- Beaugnon, Anaël. "Pembelajaran yang Diawasi Expert-in-the-Loop untuk Sistem Deteksi Keamanan Komputer."
Ph.D. tesis, École Normale Superieure (2018)
Presentasi
- [PERANCIS] Beaugnon, Anaël. "Menerapkan Pembelajaran Mesin yang berkaitan dengan deteksi intrusi."
Forum tahunan CERT-IST (CERT-IST 2017). - Bonneton, Anaël. "Pembelajaran Mesin untuk Pakar Keamanan Komputer menggunakan Python & scikit-learn."
PyParis 2017.
Penulis
