Cuestionario vinculado a una guía · Medio Nivel

Prueba de detección de intrusiones en la red sobre IA

Comprueba la detección de firmas y anomalías, etiquetas supervisadas, errores de reconstrucción del codificador automático, funciones de tráfico y revisión humana.

Rutas de guía relacionadasIA en la detección de intrusiones en la red
Pregunta 1 de 8

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

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  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. ¿Cómo suele identificar las amenazas la detección basada en anomalías?
    • Al comparar una base de datos de firmas de virus conocidos
    • Aprendiendo el comportamiento normal y señalando las desviaciones del mismo.
    • Bloqueando todo el tráfico cifrado
    • Pidiendo a los usuarios que confirmen cada conexión
  3. ¿Cómo ayuda un codificador automático a detectar tráfico de red anómalo?
    • Cifra el tráfico por seguridad.
    • Elimina paquetes sospechosos automáticamente.
    • Alto error de reconstrucción en nuevas señales de tráfico es una anomalía
    • Cuenta el número de usuarios en línea.
  4. ¿Cuál es un desafío práctico importante para los sistemas de detección de intrusiones de IA?
    • Las redes son demasiado silenciosas para monitorearlas
    • Falta de tráfico de red para analizar.
    • Es demasiado fácil escribir firmas para los ataques
    • Demasiados falsos positivos provocan fatiga de alerta
  5. ¿Por qué el desequilibrio de clases es una preocupación al entrenar modelos de detección de intrusiones?
    • Porque los ataques son raros en comparación con el tráfico normal.
    • Porque hay demasiadas clases de usuarios.
    • Porque las redes tienen ancho de banda desigual
    • Porque todo el tráfico es malicioso.
  6. ¿Cuál es un ejemplo de una herramienta tradicional de detección de intrusos basada en firmas?
    • Photoshop
    • resoplar
    • excel
    • AlfaFold
  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