Вікторина, пов’язана з посібником · Середній Рівень
Штучний інтелект у тесті виявлення вторгнень у мережу
Перевіряє сигнатуру та виявлення аномалій, контрольовані мітки, помилки реконструкції автокодувальника, функції трафіку та перевірку людиною.
Питання 1 з 8
What can anomaly-based AI add to signature matching when previously unseen behavior appears?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- 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
- Як виявлення на основі аномалій зазвичай визначає загрози?
- Зіставляючи базу даних відомих вірусних сигнатур
- Навчаючись нормальній поведінці та позначаючи відхилення від неї
- Блокуючи весь зашифрований трафік
- Запитуючи користувачів підтвердити кожне підключення
- Як автокодер допомагає виявляти аномальний мережевий трафік?
- Він шифрує трафік для безпеки
- Він автоматично видаляє підозрілі пакети
- Висока помилка реконструкції на нових світлофорах є аномалією
- Він підраховує кількість користувачів онлайн
- Що є основним практичним викликом для систем виявлення вторгнень ШІ?
- Мережі занадто тихі для моніторингу
- Відсутність будь-якого мережевого трафіку для аналізу
- Напади на те, що занадто легко писати підписи
- Занадто багато хибних спрацьовувань, що викликає тривожну втому
- Чому дисбаланс класів викликає занепокоєння під час навчання моделей виявлення вторгнень?
- Оскільки атаки рідкісні порівняно зі звичайним трафіком
- Тому що є занадто багато класів користувачів
- Оскільки мережі мають неоднакову пропускну здатність
- Оскільки весь трафік шкідливий
- Що є прикладом традиційного інструменту виявлення вторгнень на основі сигнатур?
- Фотошоп
- Фрипіти
- Excel
- AlphaFold
- 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
- 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