اختبار مرتبط بالدليل · متوسط المستوى

الذكاء الاصطناعي في اختبار كشف التسلل إلى الشبكة

يفحص الكشف عن التوقيع والشذوذ، العلامات المشرفة، أخطاء إعادة بناء الـ autoencoder، ميزات المرور والمراجعة البشرية.

سؤال 1 من 8

What can anomaly-based AI add to signature matching when previously unseen behavior appears?

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. What can anomaly-based AI add to signature matching when previously unseen behavior appears?
    • It can flag deviations from learned normal traffic for investigation, without guaranteeing detection of every new attack
    • It can prove a deviation is malicious without review
    • It can identify every attacker by name
    • It can replace all security monitoring
  2. كيف يمكن للاكتشاف القائم على الشذوذ تحديد التهديدات عادةً؟
    • عن طريق مطابقة قاعدة بيانات لتوقيعات الفيروسات المعروفة
    • من خلال تعلم السلوك السوي وملاحظة الانحرافات عنه
    • عن طريق منع كافة حركة المرور المشفرة
    • من خلال مطالبة المستخدمين بتأكيد كل اتصال
  3. كيف يساعد جهاز التشفير التلقائي في اكتشاف حركة مرور الشبكة الشاذة؟
    • يقوم بتشفير حركة المرور للسلامة
    • يقوم بحذف الحزم المشبوهة تلقائيًا
    • ارتفاع خطأ إعادة البناء على إشارات المرور الجديدة هو شذوذ
    • يحسب عدد المستخدمين عبر الإنترنت
  4. ما هو التحدي العملي الرئيسي لأنظمة كشف التسلل بالذكاء الاصطناعي؟
    • الشبكات هادئة جدًا بحيث لا يمكن مراقبتها
    • عدم وجود أي حركة مرور الشبكة لتحليلها
    • من السهل جدًا كتابة التوقيعات على الهجمات
    • الكثير من النتائج الإيجابية الكاذبة تسبب التعب في حالة تأهب
  5. لماذا يشكل عدم التوازن الطبقي مصدر قلق عند تدريب نماذج كشف التسلل؟
    • لأن الهجمات نادرة مقارنة بحركة المرور العادية
    • لأن هناك فئات كثيرة جدًا من المستخدمين
    • لأن الشبكات لديها عرض النطاق الترددي غير المتكافئ
    • لأن كل حركة المرور ضارة
  6. ما هو مثال على أداة كشف التسلل التقليدية القائمة على التوقيع؟
    • فوتوشوب
    • شخير
    • اكسل
    • ألفا فولد
  7. What is the main difference between supervised intrusion classification and anomaly detection in the guide?
    • Supervised models use no labels
    • Anomaly detection requires every attack type to be labeled
    • Supervised models learn from labeled attack examples; anomaly models can learn a normal-traffic baseline
    • Both methods only examine packet payload text
  8. Which traffic information can be used as model features in an intrusion detector?
    • Only the user’s password
    • Only the final alert color
    • The model’s GPU temperature
    • Packet sizes, connection durations, protocols and flow statistics