AI στο κουίζ ανίχνευσης εισβολής δικτύου

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

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. Πώς η ανίχνευση βάσει ανωμαλιών εντοπίζει συνήθως τις απειλές;
   • Με αντιστοίχιση βάσης δεδομένων γνωστών υπογραφών ιών
   • Με την εκμάθηση της φυσιολογικής συμπεριφοράς και την επισήμανση αποκλίσεων από αυτήν
   • Αποκλείοντας όλη την κρυπτογραφημένη κίνηση
   • Ζητώντας από τους χρήστες να επιβεβαιώσουν κάθε σύνδεση
3. Πώς βοηθά ένας αυτόματος κωδικοποιητής στον εντοπισμό ανώμαλης κίνησης δικτύου;
   • Κρυπτογραφεί την κυκλοφορία για ασφάλεια
   • Διαγράφει αυτόματα ύποπτα πακέτα
   • Υψηλό σφάλμα ανακατασκευής σε νέα σήματα κυκλοφορίας σηματοδοτεί μια ανωμαλία
   • Μετρά τον αριθμό των χρηστών στο διαδίκτυο
4. Ποια είναι μια σημαντική πρακτική πρόκληση για τα συστήματα ανίχνευσης εισβολής AI;
   • Τα δίκτυα είναι πολύ αθόρυβα για παρακολούθηση
   • Έλλειψη κίνησης δικτύου προς ανάλυση
   • Οι επιθέσεις είναι πολύ εύκολο να γραφτούν υπογραφές
   • Πάρα πολλά ψευδώς θετικά στοιχεία που προκαλούν κόπωση σε εγρήγορση
5. Γιατί η ανισορροπία τάξης προκαλεί ανησυχία κατά την εκπαίδευση μοντέλων ανίχνευσης εισβολής;
   • Επειδή οι επιθέσεις είναι σπάνιες σε σύγκριση με την κανονική κυκλοφορία
   • Επειδή υπάρχουν πάρα πολλές κατηγορίες χρηστών
   • Επειδή τα δίκτυα έχουν άνισο εύρος ζώνης
   • Επειδή όλη η κίνηση είναι κακόβουλη
6. Ποιο είναι ένα παράδειγμα ενός παραδοσιακού εργαλείου ανίχνευσης εισβολής που βασίζεται σε υπογραφές;
   • Photoshop
   • ροχαλητό
   • Προέχω
   • 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