แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

AI ในแบบทดสอบการตรวจจับการบุกรุกเครือข่าย

ตรวจสอบลายเซ็นและการตรวจจับความผิดปกติ ป้ายกำกับที่ได้รับการดูแล ข้อผิดพลาดในการสร้างโปรแกรมเข้ารหัสอัตโนมัติใหม่ คุณลักษณะการรับส่งข้อมูล และการตรวจสอบโดยมนุษย์

เส้นทางแนะนำที่เกี่ยวข้องAI ในการตรวจจับการบุกรุกเครือข่าย
คำถาม 1 ของ 8

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

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  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. โดยทั่วไปการตรวจจับตามความผิดปกติจะระบุภัยคุกคามได้อย่างไร
    • โดยการจับคู่ฐานข้อมูลลายเซ็นไวรัสที่รู้จัก
    • โดยการเรียนรู้พฤติกรรมปกติและทำเครื่องหมายความเบี่ยงเบนจากพฤติกรรมนั้น
    • โดยการปิดกั้นการรับส่งข้อมูลที่เข้ารหัสทั้งหมด
    • โดยขอให้ผู้ใช้ยืนยันการเชื่อมต่อแต่ละครั้ง
  3. โปรแกรมเข้ารหัสอัตโนมัติช่วยตรวจจับการรับส่งข้อมูลเครือข่ายที่ผิดปกติได้อย่างไร
    • มันเข้ารหัสการรับส่งข้อมูลเพื่อความปลอดภัย
    • มันจะลบแพ็กเก็ตที่น่าสงสัยโดยอัตโนมัติ
    • ข้อผิดพลาดในการสร้างใหม่สูงในสัญญาณไฟจราจรใหม่ถือเป็นความผิดปกติ
    • นับจำนวนผู้ใช้ออนไลน์
  4. อะไรคือความท้าทายในทางปฏิบัติที่สำคัญสำหรับระบบตรวจจับการบุกรุกของ AI?
    • เครือข่ายเงียบเกินกว่าจะตรวจสอบได้
    • ขาดการรับส่งข้อมูลเครือข่ายที่ต้องวิเคราะห์
    • การโจมตีนั้นง่ายเกินกว่าจะเขียนลายเซ็นได้
    • ผลบวกลวงมากเกินไปทำให้เกิดความเหนื่อยล้าในการแจ้งเตือน
  5. เหตุใดความไม่สมดุลของชั้นเรียนจึงเป็นข้อกังวลเมื่อฝึกอบรมโมเดลการตรวจจับการบุกรุก
    • เพราะการโจมตีนั้นหาได้ยากเมื่อเทียบกับการรับส่งข้อมูลปกติ
    • เนื่องจากมีคลาสผู้ใช้มากเกินไป
    • เนื่องจากเครือข่ายมีแบนด์วิธไม่เท่ากัน
    • เพราะการรับส่งข้อมูลทั้งหมดเป็นอันตราย
  6. ข้อใดคือตัวอย่างของเครื่องมือตรวจจับการบุกรุกตามลายเซ็นแบบดั้งเดิม
    • โฟโต้ชอป
    • สนอร์ต
    • เอ็กเซล
    • อัลฟ่าพับ
  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