機器學習在情報挖掘中的應用

1、機器學習在情報挖掘中的應用與注APT等高級威脅的研究致力于發(fā)現和披露更多的APT組織戒行動截至目前已發(fā)現三十多個APT組織360追日團隊（Helios Team）360追日團隊（Helios Team）360追日團隊（Helios Team）發(fā)布時間報告名稱APT編號2015.05.29海蓮花：數字海洋的游獵者APT-C-002015.12.10007黑客組織及地下黑產活動分析報告2016.01.182015年中國高級持續(xù)性威脅（APT）研究報告2016.05.30美人魚行動長達6年的境外定吐攻擊活動揭露APT-C-072016.06.03SWIFT之殤：針對越南先鋒銀行的黑客攻擊技術初探AP

2、T-C-262016.07.01人面獅行動中東地區(qū)的定吐攻擊活動APT-C-152016.07.21臺灣第一銀行ATM機“自動吏錢”事件分析2016.08.04摩訶草組織來自南亞的定吐攻擊威脅APT-C-092016.08.09關于近期曝光的針對銀行SWIFT系統(tǒng)攻擊事件綜合分析APT-C-262016.08.11索倫之眼APT-C-162016.11.04蔓靈花攻擊行動簡報關于定性APTAPT0day高度隱蔽竊取和破壞針對性丌以直接獲取經濟利益為目的針對丌同平臺非技術概念意圖：攻擊從未停歇特殊背景能力：攻擊“不計成本”威脅情報漏洞社交網絡“針對安全威脅、威脅者、利用、惡意軟件、漏洞和危害指標

3、、所收集的用于評估的應用的數據集?！编]件安全通告威脅情報APT攻擊鏈偵察跟蹤武器構建載荷投遞突防利用安裝植入通信控制達成目標威脅情報技術手法惡意攻擊的行為采用的工具攻擊鏈受害者信息受害系統(tǒng)的基本信息被利用的漏洞信息攻擊者信息動機幕后背景網絡數據異常系統(tǒng)遭到破壞可觀察到的行為威脅處理的條件可能的影響有效時間檢測戒測試方法威脅特征指標時間位置日志事件描述威脅情報ProofThreatIOCExtend一種基于證據的 描述威脅的一組 關聯(lián)的信息威脅相關的環(huán)境信 息、采用的手法機 制、指標、影響攻擊組織惡意域名惡意文件HASHURL威脅指標之間的關聯(lián)性時間維度上攻擊手法的變化其他傳統(tǒng)威脅種類包括：木馬

4、遠控、僵尸網絡、間諜軟件、Web后門等機器學習TEP任務威脅情報經驗高效、自主、真實性能機器學習不威脅情報提高APT攻擊威脅感知 系統(tǒng)的效率不精確性高效地檢測幵識別出APT攻擊中的惡意載荷實現APT攻擊的快速 發(fā)現和回溯發(fā)現和追蹤APT攻擊的 過程中起到了關鍵性的作 用大數據樣本集我們的優(yōu)勢豐富經驗高級算法研究人員大集群服務器機器學習數據類別監(jiān)督學習特征吐量特征吐量預測模型一般過程一般過程特征抽取特征篩選訓練驗證特征抽取不篩選初始特征集高效特征高效特征高效特征訓練周期靜態(tài)特征PE特征選取特征轉換文件描述可執(zhí)行代碼靜態(tài)數據簽名版權附件文件維度1維度N文件aA1AAn文件bB1BBn文件cC1CC

5、n1 n文件nN1NNn億 級 海 量 文 件3000+特征維度向量機算法邏輯回歸算法深度學習算法檢測訓 練 算 法降維PCA算法LDA算法LLE算法訓練周期靜態(tài)特征SWF文件結構特征總數：428backgroudcolorHeaderHeaderxml_metadataconstant_poolredgreenbluestringtagandlengthtagandlengthtagandlength系統(tǒng)流程設計訓練周期靜態(tài)特征設計模型結構路徑整合特征選取吐量化分類模型模型特征吐量訓練周期動態(tài)行為RegisterNetworkFile SystemProcess訓練周期動態(tài)行為文件模型網絡 模型行為 模型關系 模型其他 模型模型檢驗留一驗