Sztuczna inteligencja w quizie dotyczącym wykrywania włamań do sieci

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

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. W jaki sposób wykrywanie oparte na anomaliach zazwyczaj identyfikuje zagrożenia?
   • Dopasowując bazę danych znanych sygnatur wirusów
   • Ucząc się normalnych zachowań i sygnalizując odchylenia od nich
   • Blokując cały zaszyfrowany ruch
   • Prosząc użytkowników o potwierdzenie każdego połączenia
3. W jaki sposób autoenkoder pomaga wykryć nietypowy ruch sieciowy?
   • Szyfruje ruch dla bezpieczeństwa
   • Automatycznie usuwa podejrzane pakiety
   • Wysoki błąd rekonstrukcji nowego ruchu sygnalizuje anomalię
   • Liczy liczbę użytkowników online
4. Jakie jest główne praktyczne wyzwanie dla systemów wykrywania włamań AI?
   • Sieci są zbyt ciche, aby je monitorować
   • Brak ruchu sieciowego do analizy
   • Ataki, w przypadku których zbyt łatwo jest złożyć podpis
   • Zbyt wiele fałszywych alarmów powodujących zmęczenie czujności
5. Dlaczego brak równowagi klas jest problemem podczas szkolenia modeli wykrywania włamań?
   • Ponieważ ataki są rzadkie w porównaniu do normalnego ruchu
   • Ponieważ jest zbyt wiele klas użytkowników
   • Ponieważ sieci mają nierówną przepustowość
   • Ponieważ cały ruch jest złośliwy
6. Jaki jest przykład tradycyjnego narzędzia do wykrywania włamań opartego na sygnaturach?
   • Photoshopa
   • Prychnięcie
   • Excela
   • 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