2、网络安全技术与关键基础设施ICT依赖评估

网络安全技术与关键基础设施ICT依赖评估

1. 机器学习在网络威胁和攻击检测中的应用

在网络安全领域，利用机器学习技术检测网络威胁和攻击是当下的重要研究方向。学者Balakrishnan Dasarathy致力于将领先的机器学习技术应用于网络威胁和攻击的检测。
- 应用的技术 ：主要应用了三种监督学习技术，分别是逻辑回归、神经网络（NN）和支持向量机，以及一种无监督学习技术——多元高斯分布。
- 数据集 ：使用NSL - KDD数据集进行训练、验证和测试，同时也探讨了用于网络安全机器学习算法基准测试的常用数据集的潜在替代方案。
- 评估指标 ：定义了用于评估算法的指标，包括精度、召回率和准确率。并且还介绍了偏差与方差权衡的概念，以帮助算法获得最优结果。
- 算法性能 ：神经网络算法在二分类（正常与攻击）中的表现，以及使用多元高斯分布函数进行异常检测的结果令人鼓舞。未来研究的主要目标是提高将攻击分类到其组成类别的性能，即开发更准确的攻击类签名或模型，还会将算法应用于CIC - IDS2017这个包含当前常见攻击数据的新数据集。

2. 网络靶场与安全测试平台

随着数字化的发展，尤其是在新冠疫情时代及以后，网络安全攻击和威胁日益增加且变得更加复杂和严重。Basel Katt提出利用网络靶场来应对这一挑战。
- 网络靶场的概念 ：网络靶场是一个可以进行网络安全培训、演练、测试和研究的场所。它通过支持规划和执行活动，以及自动创建场景基础设施，来促进和