Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Машинное обучение и безопасность: защита систем с помощью данных и алгоритмов

Покупка
Артикул: 795143.01.99
Доступ онлайн
745 ₽
В корзину
Способна ли технология машинного обучения решить проблемы компьютерной безопасности? Или надежда на это является лишь следствием повышенного внимания к машинному обучению? С помощью этой книги вы изучите способы применения машинного обучения в задачах обеспечения безопасности, таких как выявление вторжения извне, классификация вредоносных программ и анализ сетевой среды. Особое внимание уделено задачам по созданию работоспособных, надежных масштабируемых систем извлечения и анализа данных в сфере обеспечения безопасности. Издание предназначено инженерам по обеспечению безопасности, а также специалистам по обработке данных научными методами.
97
144
296
338
Чио, К. Машинное обучение и безопасность: защита систем с помощью данных и алгоритмов : практическое руководство / К. Чио, Д. Фримэн. - Москва : ДМК Пресс, 2020. - 389 с. - ISBN 978-5-97060-713-8. - Текст : электронный. - URL: https://znanium.ru/catalog/product/1908430 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Кларенс Чио, Дэвид Фримэн
Машинное обучение  
и безопасность


Clarence Chio and David Freeman
Machine Learning  
and Security
Protecting Systems with Data and Algorithms
Beijing • Boston • Farnham • Sebastopol • Tokyo
 


Кларенс Чио, Дэвид Фримэн
Машинное обучение  
и безопасность
Защита систем с помощью данных и алгоритмов
Москва, 2020


УДК 004.89, 004.492
ББК 32.972
Ч58
Чио К., Фримэн Д.
Ч58	
Машинное обучение и безопасность / пер. с анг. А. В. Снастина. – М.: ДМК 
Пресс, 2020. – 388 с.: ил. 
ISBN 978-5-97060-713-8
Способна ли технология машинного обучения решить проблемы компьютерной 
безопасности? Или надежда на это является лишь следствием повышенного внимания 
к машинному обучению?
С помощью этой книги вы изучите способы применения машинного обучения в задачах обеспечения безопасности, таких как выявление вторжения извне, классификация 
вредоносных программ и анализ сетевой среды. Особое внимание уделено задачам по 
созданию работоспособных, надежных масштабируемых систем извлечения и анализа 
данных в сфере обеспечения безопасности.
Издание предназначено инженерам по обеспечению безопасности, а также специалистам по обработке данных научными методами.
УДК  004.89, 004.492
ББК  32.972
Original English language edition published by O’Reilly Media, Inc., 1005 Gravenstein Highway 
North, Sebastopol, CA 95472. Copyright © 2018 Clarence Chio and David Freeman. Russian-language 
edition copyright © 2020 by DMK Press. All rights reserved.
Все права защищены. Любая часть этой книги не может быть воспроизведена в какой 
бы то ни было форме и какими бы то ни было средствами без письменного разрешения владельцев авторских прав.
ISBN 978-1-491-97990-7 (анг.)	
Copyright © 2018 Clarence Chio and David Freeman
ISBN 978-5-97060-713-8 (рус.)	
©  Оформление, издание, перевод, ДМК Пресс, 2020


Отзывы
Будущие меры по обеспечению безопасности и  защиты должны определяться 
способностью защищающихся развертывать средства машинного обучения для 
быстрого обнаружения и прекращения деятельности злоумышленников в интернете в любых масштабах. Чио и Фримэн написали по этой теме исчерпывающе 
полную книгу, включающую самые последние достижения научной мысли, а также трудные для изучения практические методики развертывания средств машинного обучения с целью обеспечения защиты людей в этой сфере деятельности.
– Алекс Стамос,
руководитель службы безопасности Facebook
Превосходное практическое руководство для всех, кто намерен освоить использование технологии машинного обучения для обеспечения безопасности компьютерных систем, от выявления аномалий до защиты конечных пользователей.
– Дэн Боне,
профессор ИТ, Стэнфордский университет
Если вы хотите знать, какое место занимает машинное обучение в области обеспечения безопасности, то книга Чио и Фримэна даст вам четкое представление 
об этом.
– Нвокеди С. Идика,
доктор наук, инженер ПО, Google, Security & Privacy Organization


Содержание
Отзывы......................................................................................................................5
Предисловие........................................................................................................11
Благодарности....................................................................................................15
Глава 1. Машинное обучение и безопасность...................................16
Общий обзор потенциальных киберугроз................................................................18
Экономическая подоплека кибератак......................................................................21
Рынок услуг взломщиков.......................................................................................22
Косвенная монетизация........................................................................................22
Подведем итоги......................................................................................................23
Что такое машинное обучение..................................................................................24
Чем не является машинное обучение...................................................................25
Другие варианты использования машинного обучения.....................................27
Практические варианты использования машинного обучения   
для обеспечения безопасности.................................................................................27
Борьба со спамом: итеративный подход..................................................................30
Ограничения машинного обучения в сфере безопасности.....................................40
Глава 2. Классификация и кластеризация...........................................42
Машинное обучение: задачи и методики................................................................42
Машинное обучение на практике: работающий пример........................................45
Тренировка алгоритмов машинного обучения........................................................50
Семейства моделей................................................................................................50
Функция потерь......................................................................................................53
Оптимизация..........................................................................................................54
Алгоритмы классификации с учителем....................................................................57
Логистическая регрессия.......................................................................................57
Деревья решений....................................................................................................59
Леса деревьев решений..........................................................................................63
Метод опорных векторов.......................................................................................65
Наивный байесовский классификатор.................................................................67
Метод k ближайших соседей..................................................................................70
Нейронные сети.....................................................................................................71
Практические аспекты классификации....................................................................73
Выбор семейства моделей.....................................................................................73
Формирование процесса тренировки данных.....................................................74


Содержание    7
Выбор признаков....................................................................................................78
Переподгонка и недоподгонка..............................................................................79
Выбор пороговых значений и сравнение моделей..............................................81
Кластеризация............................................................................................................82
Алгоритмы кластеризации....................................................................................83
Оценка результатов кластеризации......................................................................93
Резюме........................................................................................................................95
Глава 3. Выявление аномалий...................................................................97
Когда следует использовать методы выявления аномалий вместо обучения  
с учителем...................................................................................................................98
Выявление вторжений с эвристиками......................................................................99
Методы, управляемые данными.........................................................................101
Конструирование признаков для выявления аномалий.......................................104
Выявление вторжения на хост.............................................................................104
Выявление вторжения в сеть...............................................................................107
Выявление вторжений в веб-приложение..........................................................111
Краткие итоги.......................................................................................................112
Выявление аномалий с помощью данных и алгоритмов......................................113
Прогнозирование (машинное обучение с учителем)........................................114
Статистические метрики.....................................................................................125
Точность аппроксимации (качество подгонки).................................................126
Алгоритмы машинного обучения без учителя..................................................132
Методы, основанные на плотности....................................................................136
Краткие итоги.......................................................................................................138
Трудности применения машинного обучения для выявления аномалий...........139
Ответная реакция и ослабление воздействия........................................................140
Практические аспекты проектирования систем....................................................142
Оптимизация объяснимости...............................................................................142
Удобство сопровождения систем выявления аномалий...................................143
Внедрение обратной связи с человеком.............................................................144
Снижение воздействий состязательности..........................................................144
Резюме......................................................................................................................144
Глава 4. Анализ вредоносного программного обеспечения......145
Что такое вредоносное программное обеспечение...............................................146
Классификация вредоносного программного обеспечения.............................148
Вредоносное программное обучение: что скрывается внутри.........................152
Генерация признаков...............................................................................................166
Сбор данных.........................................................................................................167
Генерация признаков...........................................................................................169
Выбор признаков..................................................................................................193
От признаков к классификации..............................................................................197
Как получить образцы и метки вредоносного программного обеспечения......200
Резюме......................................................................................................................201


8    Содержание
Глава 5. Анализ сетевого трафика..........................................................202
Теория защиты сетей...............................................................................................204
Управление доступом и аутентификация..........................................................204
Выявление вторжений.........................................................................................205
Обнаружение атакующих внутри сети...............................................................205
Защита, основанная на обработке данных.........................................................206
Приманка для злоумышленников.......................................................................207
Резюме..................................................................................................................207
Машинное обучение и обеспечение безопасности сети.......................................207
От перехваченных данных к признакам............................................................208
Угрозы в сетевой среде........................................................................................213
Ботнет и защита от него.......................................................................................218
Создание модели прогнозирования для классификации сетевых атак...............224
Исследование данных..........................................................................................226
Подготовка данных..............................................................................................230
Классификация.....................................................................................................235
Обучение с учителем............................................................................................237
Обучение с частичным привлечением учителя.................................................243
Обучение без учителя..........................................................................................244
Расширенное ансамблирование..........................................................................249
Резюме......................................................................................................................254
Глава 6. Защита потребительской веб-среды.................................255
Монетизация в потребительской веб-среде...........................................................256
Типы мошенничества и данные, которые могут защитить..................................257
Аутентификация и перехват учетной записи....................................................257
Создание учетной записи....................................................................................264
Финансовое мошенничество...............................................................................269
Деятельность ботов..............................................................................................272
Обучение с учителем для решения задач по выявлению нарушений..................277
Метки для данных................................................................................................278
Холодный запуск и горячий запуск....................................................................279
Ложноположительные и ложноотрицательные результаты.............................280
Несколько вариантов ответной реакции............................................................281
Крупномасштабные атаки...................................................................................281
Кластеризация нарушений......................................................................................282
Пример: кластеризация доменов спама.............................................................283
Генерация кластеров............................................................................................284
Оценка кластеров.................................................................................................289
Дальнейшие направления кластеризации.............................................................294
Резюме......................................................................................................................295
Глава 7. Производственные системы....................................................296
Определение зрелости и масштабируемости систем машинного обучения.......296


Содержание    9
Важные аспекты систем машинного обучения для обеспечения  
безопасности........................................................................................................297
Качество данных......................................................................................................298
Проблема: необъективность данных..................................................................298
Проблема: неточность меток...............................................................................300
Решения: качество данных..................................................................................300
Проблема: отсутствующие (потерянные) данные.............................................302
Решения: отсутствующие (потерянные) данные...............................................302
Качество модели.......................................................................................................305
Проблема: оптимизация гиперпараметров.......................................................306
Решения: оптимизация гиперпараметров.........................................................307
Дополнительные функции: циклы обратной связи, A/B-тестирование  
моделей.................................................................................................................311
Воспроизводимые и объяснимые результаты...................................................315
Эффективность.........................................................................................................319
Цель: минимальные задержки, высокая масштабируемость...........................319
Оптимизация эффективности.............................................................................320
Горизонтальное масштабирование с помощью распределенных  
вычислительных программных сред..................................................................323
Использование облачных сервисов....................................................................328
Удобство сопровождения.........................................................................................330
Проблема: проверка контрольных точек, управление версиями  
и развертывание моделей...................................................................................331
Цель: амортизация отказов.................................................................................332
Цель: легкость настройки и конфигурации........................................................333
Мониторинг и система оповещения.......................................................................333
Безопасность и надежность.....................................................................................335
Функция: устойчивость и надежность работы во враждебных средах............335
Функция: защита и гарантии секретности данных...........................................336
Обратная связь и удобство использования............................................................337
Резюме......................................................................................................................338
Глава 8. Состязательное машинное обучение.................................339
Терминология...........................................................................................................340
Важность состязательного машинного обучения..................................................341
Опасные уязвимости в алгоритмах машинного обучения....................................342
Мобильность атак.................................................................................................345
Методика атак: заражение модели.........................................................................346
Пример: заражающая атака на бинарный классификатор...............................349
Знания атакующего..............................................................................................355
Защита от заражающих атак...............................................................................356
Методика атаки: искажающая атака.......................................................................358
Пример: искажающая атака на бинарный классификатор...............................359
Защита от искажающих атак...............................................................................364
Резюме......................................................................................................................365


10    Содержание
Приложение А. Дополнительный материал к главе 2................367
Подробнее о метриках.............................................................................................367
Размер моделей логистической регрессии.............................................................368
Реализация функции стоимости для метода логистической регрессии..............368
Минимизация функции стоимости........................................................................369
Приложение Б. Разведка на основе открытых  
источников..........................................................................................................374
Материалы разведки для обеспечения безопасности...........................................374
Геолокация................................................................................................................376
Предметный указатель................................................................................377


Доступ онлайн
745 ₽
В корзину