AI в теста за откриване на проникване в мрежа

Отговорите и обясненията се появяват, докато отговаряте на теста.

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. Как базираното на аномалии откриване обикновено идентифицира заплахите?
   • Чрез съпоставяне на база данни с известни вирусни сигнатури
   • Чрез научаване на нормално поведение и отбелязване на отклонения от него
   • Чрез блокиране на целия криптиран трафик
   • Като помолите потребителите да потвърдят всяка връзка
3. Как един автоматичен енкодер помага за откриване на необичаен мрежов трафик?
   • Той криптира трафика за безопасност
   • Изтрива подозрителните пакети автоматично
   • Висока грешка при реконструкцията на нови пътни сигнали е аномалия
   • Той отчита броя на потребителите онлайн
4. Кое е основното практическо предизвикателство за системите за откриване на проникване с изкуствен интелект?
   • Мрежите са твърде тихи за наблюдение
   • Липса на мрежов трафик за анализ
   • Атаките са твърде лесни за писане на подписи
   • Твърде много фалшиви положителни резултати, причиняващи тревожна умора
5. Защо дисбалансът на класовете е проблем при обучението на модели за откриване на проникване?
   • Тъй като атаките са редки в сравнение с нормалния трафик
   • Защото има твърде много класове потребители
   • Тъй като мрежите имат неравномерна честотна лента
   • Защото целият трафик е злонамерен
6. Кой е пример за традиционен инструмент за откриване на проникване, базиран на сигнатура?
   • Фотошоп
   • Пръхтене
   • Excel
   • AlphaFold
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