吴云坤:先定一个小目标,让网络安全具有智能

前言



忽如一夜春风来!本周有一个王健林的采访视频刷爆了朋友圈,无独有偶,他谈小目标的话音还未落,同一天360网神集团总裁吴云坤,也定了一个小目标,一个能达到的小目标:“让网络安全具有智能”!

其实提起“智能”,大家肯定不会陌生,谷歌人工智能机器人AlphaGo大胜韩国棋手李世石的爆炸性新闻,你一定还记忆犹新。但是你是否听说过网络安全的智能呢?网络安全如何运用智能?网络安全具有智能,可以怎样影响我们的生活?8月29日,业界一流安全公司——360网神举办的“协同安全理念及产品创新媒体会”上,《安全智库》作为受邀媒体,有幸采访到其集团总裁吴云坤,近距离听他谈自己定的小目标。

PS:《安全智库》先后与吴总相约数次,奈何吴总工作繁忙,突发性事情不断,一直没能采访到。今日终于得见,暗爽!但又暗自忖度,吴总作为安全领域的顶级专家,负责整个360网神集团业务,办事严谨。想必其是一个威严、不苟言笑的技术大咖。然见面后,吴总笑容可掬,有问必答,还不忘照顾我们茶水、座席,俨然一个“邻居大叔”。

吴云坤,曾任国内知名安全公司副总裁,其一向以对网络安全独到的前瞻性视角,在业内获得广泛赞誉。在2015年互联网安全大会(ISC)分析论坛中,就做过题为“从微观到宏观---大数据如何改变安全”的演讲而广受好评。

https://i-blog.csdnimg.cn/blog_migrate/aa1e98b5e757af3efa68ce1cba948dd9.png

网络安全目标



Intelligence,具有几种含义,在国外还有威胁情报的意思,这里是指智能的含义。从智能角度而言,由于智能跟数据处理技术非常相关,所以过去大家有个误区,只要用到大数据就有了智能,这其实不对。因为大数据只是存数据的地方,数据处理技术才是关键,现在把数据处理技术的智能分为三个类型。


第一类智能

解决关联分析的可视化问题,数据的关联分析非常重要,举个简单例子,我们曾经帮别人找间谍(这是个涉密话题),当发现他乘坐了一个航班,就研究他一个月之内乘坐过的所有航班,把这些订票号都找出来,我们想知道跟他具有同样订票号的某一个人是谁。比如一张订票号订了两张机票,一个给你,一个给我,这样可以找出一堆可能跟他相关的人员,如果确定他有问题,我们就再进一步看他们的住址信息有没有关联关系。

再比如通过护照号各种各样关系查找,这是典型的关联分析能力,但这种关联分析能力如果数据在excel里就疯了,所以关联分析往往跟可视化分析非常相关,这种关联分析叫可视化分析技术,可视化分析解决关联分析问题的可视化,是很重要的技术。现在这个领域中经常出现叫可视化分析技术的大会,或者学术论坛,还有参加这类竞赛做完的很多可视化分析的东西,很多用于找到谁是绑架犯,谁是抢劫犯等等。


第二类智能

解决识别问题,识别问题一般采用机器学习,过去用SVM (Support Vector Machine,支持向量机)是传统的机器学习,现在用深度学习去做,有很多种方式。其实识别人脸和识别恶意软件,原理非常像,都是通过训练的方式,但深度学习不一定要有前期的训练集,可能更多想做聚类分类的内容。

我们经常提到机器学习方法中,包括过去的机器学习与现在的深度学习,这是第二类智慧,用于个类识别,就是判黑判白,比如我们来判断是好人,还是坏人;是好样本,还是坏样本;是好域名,还是坏域名。解决各类识别问题,包括样本识别问题、域名识别问题、IP识别问题、邮箱识别问题等等。


第三类智能

解决的问题是关联问题,上面说可视化分析解决关联问题,机器学习也能解决关联问题,举个简单问题,我在公司里走一天,就知道哪些员工是同样的部门,但我什么都没做,这是因为员工的访问行为可以聚类、分类。以前我们做不到,现在的确可以做到这些,比如发邮件,把所有邮件关系拓扑拿出来,用机器学习,一下就可以找出来,这不是通过可视化分析找出来,是通过机器学习。再比如转帐,转帐网络数据一看,谁是中心转帐人,等等,这些数据都可以算出来,都是用机器学习解决的关联问题,这是机器学习常用的一些做法。

把以上这些技术用在一起,应用领域会非常多。



如何体现智能



一说到识别,人脸可以识别,样本也可以识别,这些在安全里都可以用到,我们常见的技术,可视化分析和机器学习技术解决的是关联的问题,还有对象判定问题,这是我们常见的安全做的一些事情。比如像威胁情报技术,就是典型的用关联技术和识别以后的结果。

假如一个威胁情报是美国打我们的,那做的第一步是头源性分析,找出跟这个情报相关的所有样本。机器学习或者可视化关联分析都可以解决这样的关联性问题,找出一堆信息。然后进入第二步是识别,这些样本到底是好的还是坏的,就开始用机器学习做,进入识别过程。在安全行业里研究的,基本就是用显微镜去看一个东西进行识别,要么就是用望远镜研究关联关系。显微镜,就是看单体的对象,比如看一个人好和坏。

“那么智能怎么体现出来?”吴云坤讲到这里,突然发问,这一问,像针对在场人员,又似乎是在问自己。他环视会议室一周,顿了一下,接着说:“在安全里面常见的就是用显微镜看个体,再用望远镜看群体,这里会产生很多决策链条的问题,如果把这两件事情做好,剩下要解决的问题反倒简单了。以前没有机器学习、没有可视化分析的时候,研究所有的东西也基本考虑单体、个体问题和群体问题,但是做的会非常痛苦,因为第一数据量少,第二没有机器学习与可视化分析。”


总结



拨开云雾见天日,守得云开见月明!吴云坤作为网络安全业界的老兵,对于行业的理解,自然也做到了先人一步。他拨开网络安全纷繁复杂的表象,感慨说:“其实网络安全本质从没变过,跟破案子一样,永远是在研究嫌疑犯与跟他周围的社交关系,网络安全永远也是这样。”


本文转载自 安全智库sec

原文链接:http://bobao.360.cn/news/detail/3523.html

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确性,提升系统运行的稳性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳控制与经济高效运行提供进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速和电枢电流的高精度动态控制,验证控制策略的稳性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术和Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力和稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳性条件以及参数整对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性和不确性的工程应用场景。; 适合人群:具备一Matlab编程能力和神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解和验证模型泛化能力。
源码直接下载地址: https://pan.quark.cn/s/a4b39357ea24 JMeter的录制方法及过滤策略、线程组构成要素是什么? JMeter能够借助第三方录制工具(如BadBoy)或其自带的录制功能来完成录制工作,JMeter的录制机制:是借助HTTP代理服务器来捕获用户在操作网站时产生的链接信息。JMeter允许在配置HTTP代理服务器时,排除掉非必要的CSS、GIF等资源,以此减轻不必要的负担。 线程组涵盖:线程组的名称标识、附加注释说明、线程组内的用户数量、线程组完成请求的时间分配、循环执行次数、时间调度机制 【JMeter性能测试详解】 JMeter是一款功能强大的性能测试软件,常用于模拟大规模用户同时访问Web应用,用以衡量系统的性能表现和稳性。接下来将具体说明JMeter的操作方法、线程组的设置以及性能测试的重要环节。 **JMeter录制与过滤** JMeter可以通过BadBoy等外部工具或其自带的HTTP代理服务器来记录用户的行为。其录制原理是JMeter作为HTTP代理,拦截用户浏览器发出的所有网络请求。在配置代理服务器时,能够过滤掉不必要的CSS、GIF等静态资源,以减少无效的负载。 **线程组配置** 线程组是JMeter测试计划的核心部分,包含以下几个关键参数: 1. **线程组名**:用于区分测试计划中的不同测试区域。 2. **注释**:用于记录测试目标或注意事项。 3. **线程数**:用于模拟并发用户的数量。 4. **循环次数**:每个线程需要执行的循环次数,可以设置为无限循环。 5. **Ramp-up period**:规所有线程启动的时间跨度,旨在平滑增加负载。 6. **时器**:例如思考时间或...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值