入侵警报：系统使用机器学习，好奇心驱动的“蜜罐”来阻止网络攻击

 
近几个月来，FBI发布了高影响力的网络安全警告，以应对对政府目标的不断袭击。政府官员已警告主要城市，此类黑客入侵是一种令人不安的趋势，并且很可能会持续下去。
普渡大学研究人员提供的新工具可能有助于阻止其中一些威胁。普渡大学团队创建了一个检测系统，以提醒组织注意网络攻击。该系统称为LIDAR-代表终身，智能，多样化，敏捷和强大。
普渡大学工程学院的电气和计算机工程学助理教授艾莉·艾·加玛尔(Aly El Gamal)说：“这种网络安全体系结构的名称确实定义了它的重要属性。” “我们的系统功能强大，并且可以通过终身学习来适应不同的环境。”
El Gamal由电气和计算机工程学教授Arif Ghafoor和电气和计算机工程学毕业生Ali Elghariani共同创造了这项技术。
LIDAR可用于计算机系统和网络，包括无线网络。该系统与预处理组件配合使用，这些组件被设计为可抵抗对抗攻击，并具有用于无线网络的跨层特征提取机制。
Purdue系统由三个主要部分组成：有监督的机器学习，无监督的机器学习和基于规则的学习。
埃尔加玛尔说：“关于激光雷达的一个令人着迷的事情是，基于规则的学习组件确实是操作的大脑。” “该组件从其他两个部分中获取信息，并确定潜在攻击的有效性以及前进的必要步骤。”
监督的机器学习组件使用一种算法将系统中检测到的异常与已知的攻击模板进行比较。不受监督的组件使用一种算法来检测整个被监视系统中的任何异常情况。
Purdue的LIDAR系统还使用一种新颖的好奇心驱动的蜜罐，该蜜罐会诱使攻击者但不允许他们渗透到系统中。