SecuML https://anssi-fr.github.io/SecuML/
SecuML เป็นเครื่องมือ Python ที่มีจุดมุ่งหมายเพื่อส่งเสริมการใช้ Machine Learning ในความปลอดภัยของคอมพิวเตอร์ เผยแพร่ภายใต้ลิขสิทธิ์ GPL2+
ช่วยให้ผู้เชี่ยวชาญด้านความปลอดภัยสามารถฝึกโมเดลการตรวจจับได้อย่างง่ายดาย และมาพร้อมกับอินเทอร์เฟซผู้ใช้บนเว็บเพื่อแสดงภาพผลลัพธ์และโต้ตอบกับโมเดล SecuML สามารถนำไปใช้กับปัญหาการตรวจจับใดๆ ได้ ต้องใช้เป็นคุณสมบัติตัวเลขอินพุตที่แสดงถึงแต่ละอินสแตนซ์ รองรับป้ายกำกับไบนารี (ที่เป็นอันตรายและไม่เป็นพิษเป็นภัย) และป้ายกำกับหมวดหมู่ซึ่งเป็นตัวแทนของกลุ่มพฤติกรรมที่เป็นอันตรายหรือเป็นพิษเป็นภัย
ประโยชน์ของ SecuML
SecuML อาศัย scikit-learn เพื่อฝึกฝนโมเดล Machine Learning และเสนอคุณสมบัติเพิ่มเติม:
- ส่วนติดต่อผู้ใช้เว็บ
การวินิจฉัยและการโต้ตอบกับโมเดลการเรียนรู้ของเครื่อง (การเรียนรู้แบบแอคทีฟ การตรวจจับหมวดหมู่ที่หายาก) - ซ่อนเครื่องจักรการเรียนรู้ของเครื่องบางส่วน
การโหลดข้อมูลอัตโนมัติ การกำหนดคุณสมบัติมาตรฐาน และการค้นหาไฮเปอร์พารามิเตอร์ที่ดีที่สุด
คุณสามารถทำอะไรกับ SecuML
- การฝึกอบรมและการวินิจฉัยโมเดลการตรวจจับก่อนปรับใช้กับ DIADEM
- การใส่คำอธิบายประกอบชุดข้อมูลโดยลดภาระงานด้วย ILAB
- การสำรวจชุดข้อมูลแบบโต้ตอบด้วยการตรวจจับหมวดหมู่ที่หายาก
- การจัดกลุ่ม
- การฉายภาพ
- การคำนวณสถิติเชิงพรรณนาของแต่ละคุณลักษณะ
ดูเอกสารประกอบของสฟิงซ์เพื่อดูรายละเอียดเพิ่มเติม
เอกสาร
- โบญง, อนาเอล และปิแอร์ ชิฟลิเยร์ "แมชชีนเลิร์นนิงสำหรับระบบตรวจจับความปลอดภัยของคอมพิวเตอร์: ผลตอบรับเชิงปฏิบัติและแนวทางแก้ไข" แอปพลิเคชันความปลอดภัยของคอมพิวเตอร์และอิเล็กทรอนิกส์ Rendez-vous (C&ESAR 2018)
- โบญง, อนาเอล, ปิแอร์ ชิฟลิเยร์ และฟรานซิส บาค "การเรียนรู้เชิงรุกแบบครบวงจรสำหรับผู้เชี่ยวชาญด้านความปลอดภัยคอมพิวเตอร์"
การประชุมเชิงปฏิบัติการ KDD เรื่องการสำรวจและการวิเคราะห์ข้อมูลเชิงโต้ตอบ (IDEA 2018) AICS 2018 เวอร์ชันขยาย - โบญง, อนาเอล, ปิแอร์ ชิฟลิเยร์ และฟรานซิส บาค "การเรียนรู้เชิงรุกแบบครบวงจรสำหรับผู้เชี่ยวชาญด้านความปลอดภัยคอมพิวเตอร์"
การประชุมเชิงปฏิบัติการ AAAI เรื่องปัญญาประดิษฐ์เพื่อความปลอดภัยของคอมพิวเตอร์ (AICS 2018) - โบญง, อนาเอล, ปิแอร์ ชิฟลิเยร์ และฟรานซิส บาค "ILAB: กลยุทธ์การติดฉลากเชิงโต้ตอบสำหรับการตรวจจับการบุกรุก"
การประชุมสัมมนาระดับนานาชาติว่าด้วยการวิจัยการโจมตี การบุกรุก และการป้องกัน (RAID 2017) - [ภาษาฝรั่งเศส] บอนเนตัน, อนาเอล และอองตวน ฮัสสัน "Le Machine Learning เผชิญหน้า aux contraintes opérationnelles des systèmes de détection"
Symposium sur la sécurité des technology de l'information et des communications (SSTIC 2017)
วิทยานิพนธ์ระดับปริญญาเอก
- โบญง, อานาเอล. "การเรียนรู้แบบมีผู้สอนโดยผู้เชี่ยวชาญสำหรับระบบตรวจจับความปลอดภัยของคอมพิวเตอร์"
ปริญญาเอก วิทยานิพนธ์ École Normale Superieure (2018)
การนำเสนอ
- [ภาษาฝรั่งเศส] โบญง, อานาเอล. "Appliquer le Machine Learning de manière pertinente à la détection d'intrusion"
ฟอรัม annuel du CERT-IST (CERT-IST 2017) - บอนเนตัน, อานาเอล. "การเรียนรู้ของเครื่องสำหรับผู้เชี่ยวชาญด้านความปลอดภัยคอมพิวเตอร์โดยใช้ Python และ scikit-learn"
พีปารีส 2017
ผู้เขียน
