KI im Netzwerk-Intrusion-Detection-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

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. Wie erkennt die anomaliebasierte Erkennung normalerweise Bedrohungen?
   • Durch den Abgleich mit einer Datenbank bekannter Virensignaturen
   • Indem wir normales Verhalten erlernen und Abweichungen davon erkennen
   • Durch Blockieren des gesamten verschlüsselten Datenverkehrs
   • Indem Benutzer aufgefordert werden, jede Verbindung zu bestätigen
3. Wie hilft ein Autoencoder dabei, anomalen Netzwerkverkehr zu erkennen?
   • Aus Sicherheitsgründen wird der Datenverkehr verschlüsselt
   • Es löscht verdächtige Pakete automatisch
   • Hoher Rekonstruktionsfehler bei neuen Verkehrssignalen ist eine Anomalie
   • Es zählt die Anzahl der Benutzer, die online sind
4. Was ist eine große praktische Herausforderung für KI-Intrusion-Detection-Systeme?
   • Netzwerke sind zu leise, um sie zu überwachen
   • Es fehlt jeglicher zu analysierende Netzwerkverkehr
   • Angriffe, für die es zu einfach ist, Signaturen zu schreiben
   • Zu viele Fehlalarme führen zu Alarmmüdigkeit
5. Warum ist das Klassenungleichgewicht beim Training von Intrusion-Detection-Modellen ein Problem?
   • Denn Angriffe sind im Vergleich zum normalen Verkehr selten
   • Weil es zu viele Benutzerklassen gibt
   • Weil Netzwerke ungleiche Bandbreiten haben
   • Weil der gesamte Datenverkehr bösartig ist
6. Welches ist ein Beispiel für ein herkömmliches signaturbasiertes Tool zur Erkennung von Eindringlingen?
   • Photoshop
   • Schnauben
   • 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