融入智能检测引擎的AI防火墙

信息安全研究 ›› 2022, Vol. 8 ›› Issue (E1): 143-.

融入智能检测引擎的AI防火墙

郝卓楠, 谌颐

(北京天融信网络安全技术有限公司北京100193)

出版日期:2022-09-18 发布日期:2022-09-14
通讯作者: 郝卓楠主要研究方向为网络安全. hao_zhuonan@topsec.com.cn
作者简介:郝卓楠主要研究方向为网络安全. hao_zhuonan@topsec.com.cn 谌颐主要研究方向为网络安全. shen_yi@topsec.com.cn

Online:2022-09-18 Published:2022-09-14

摘要/Abstract

摘要： 数字化转型的深入为各产业带来机遇的同时也带来安全上的挑战，未知威胁不断呈现，而传统检测手段对此无能为力，亟需新的手段加以解决.分析了常见未知威胁的攻击原理，包括恶意加密流量、DGA域名、隐蔽信道；剖析了面对未知威胁的传统检测方案及其不足之处；提出一种融入智能检测引擎的AI防火墙，突破了传统检测方案的壁垒；列举其检测上述威胁的原理和AI驱动的事件关联分析功能，最后给出应用案例.

关键词: AI防火墙, 智能化检测, 未知威胁, 机器学习, 数字化转型

中图分类号:

中图法分类号TP393

郝卓楠, 谌颐. 融入智能检测引擎的AI防火墙[J]. 信息安全研究, 2022, 8(E1): 143-.

[1]	彭长根, . 人工智能安全治理挑战与对策[J]. 信息安全研究, 2022, 8(4): 318-.
[2]	魏思佳李涛姜禹. 基于物理层的LoRa设备身份识别方法研究[J]. 信息安全研究, 2022, 8(1): 19-.
[3]	王陈喜. 基于网络全流量行为分析的异常威胁检测[J]. 信息安全研究, 2021, 7(E2): 103-.
[4]	陈佳. 智能技术赋能的新一代 AI 防火墙[J]. 信息安全研究, 2021, 7(E1): 122-.
[5]	于海东, 邢明. 基于机器学习多模型的SSL加密威胁检测技术研究和应用[J]. 信息安全研究, 2021, 7(E1): 151-.
[6]	李曼车向北张宗包唐沁婷田源李剑. 软件定义网络中基于XGBoost算法的DDoS攻击检测[J]. 信息安全研究, 2021, 7(11): 1031-.
[7]	李仁杰华驰鲁志萍. 基于FP-growth优化SVM分类器的XSS攻击检测研究[J]. 信息安全研究, 2020, 6(9): 0-0.
[8]	蹇诗婕卢志刚姜波刘玉岭刘宝旭. 基于层次聚类方法的流量异常检测[J]. 信息安全研究, 2020, 6(6): 0-0.
[9]	肖喜生彭凯飞龙春魏金侠赵静. 基于人工智能的安全态势预测技术研究综述[J]. 信息安全研究, 2020, 6(6): 0-0.
[10]	黄莉峥刘嘉勇郑荣锋李孟铭. 一种基于暗网的威胁情报主动获取框架[J]. 信息安全研究, 2020, 6(2): 131-138.
[11]	马泽辉. 基于逻辑回归算法的Webshell检测方法研究[J]. 信息安全研究, 2019, 5(4): 298-302.
[12]	唐其彪杨勃潘利民. 基于机器学习的防扫描技术研究[J]. 信息安全研究, 2019, 5(4): 303-308.
[13]	刘正宵段丁阳唐志浩符天枢. 基于稳定风险特征选择的支付风险识别模型[J]. 信息安全研究, 2019, 5(10): 858-864.
[14]	刘亮刘露平何帅刘嘉勇. 一种基于多特征的恶意代码家族静态标注方法[J]. 信息安全研究, 2018, 4(4): 322-328.
[15]	陈泽峰方勇刘亮左政李抒霞. 基于多维特征的Android恶意应用检测系统[J]. 信息安全研究, 2018, 4(2): 133-139.

融入智能检测引擎的AI防火墙

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics