SecuML https://anssi-fr.github.io/SecuML/
SecuML은 컴퓨터 보안에서 기계 학습의 사용을 촉진하는 것을 목표로 하는 Python 도구입니다. 이는 GPL2+ 라이센스에 따라 배포됩니다.
이를 통해 보안 전문가는 탐지 모델을 쉽게 교육할 수 있으며 결과를 시각화하고 모델과 상호 작용할 수 있는 웹 사용자 인터페이스가 함께 제공됩니다. SecuML은 모든 탐지 문제에 적용될 수 있습니다. 각 인스턴스를 나타내는 입력 수치 기능이 필요합니다. 이진 레이블(악성 대 양성)과 악의적이거나 양성 동작 계열을 나타내는 범주형 레이블을 지원합니다.
SecuML의 이점
SecuML은 scikit-learn을 사용하여 기계 학습 모델을 교육하고 추가 기능을 제공합니다.
- 웹 사용자 인터페이스
기계 학습 모델과의 진단 및 상호 작용(능동 학습, 희귀 카테고리 감지) - 일부 기계 학습 기계 숨기기
데이터 로딩 자동화, 기능 표준화, 최상의 하이퍼파라미터 검색
SecuML로 할 수 있는 일
- DIADEM을 사용하여 배포하기 전에 탐지 모델 훈련 및 진단
- ILAB를 사용하여 작업 부하를 줄인 데이터세트에 주석 달기
- 희귀 카테고리 감지를 통해 대화형으로 데이터 세트 탐색
- 클러스터링
- 투사
- 각 특성에 대한 기술통계 계산
자세한 내용은 스핑크스 문서를 참고하세요.
서류
- 보뇽, 아나엘, 피에르 시플리에. "컴퓨터 보안 탐지 시스템을 위한 기계 학습: 실용적인 피드백 및 솔루션" 컴퓨터 및 전자 보안 애플리케이션 Rendez-vous(C&ESAR 2018)
- Beaugnon, Anaël, Pierre Chifflier 및 Francis Bach. "컴퓨터 보안 전문가를 위한 엔드투엔드 능동적 학습."
대화형 데이터 탐색 및 분석에 관한 KDD 워크숍(IDEA 2018). AICS 2018의 확장 버전입니다. - Beaugnon, Anaël, Pierre Chifflier 및 Francis Bach. "컴퓨터 보안 전문가를 위한 엔드투엔드 능동적 학습."
컴퓨터 보안을 위한 인공 지능에 관한 AAAI 워크숍(AICS 2018). - Beaugnon, Anaël, Pierre Chifflier 및 Francis Bach. "ILAB: 침입 탐지를 위한 대화형 레이블 지정 전략."
공격, 침입 및 방어 연구에 관한 국제 심포지엄(RAID 2017). - [프랑스어] Bonneton, Anaël, Antoine Husson. "머신러닝은 탐지 시스템 운영에 대한 보조 제한을 직면합니다."
심포지엄 sur la sécurité des 기술 de l'information et des communications(SSTIC 2017).
박사논문
- 보뇽, 아나엘. "컴퓨터 보안 탐지 시스템을 위한 전문가 루프 지도 학습."
박사. 논문, École Normale Superieure (2018)
프리젠테이션
- [프랑스어] Beaugnon, Anaël. "침입 탐지에 적합한 기계 학습 응용 프로그램입니다."
CERT-IST 연차 포럼(CERT-IST 2017). - 보네톤, 아나엘. "Python 및 scikit-learn을 사용하는 컴퓨터 보안 전문가를 위한 기계 학습."
파이파리 2017.
저자
