Rede neural para detectar ataques: treinamento com dados reais
Com o Suricata e a ferramenta própria session_analyzer, os autores do estudo testaram se é possível treinar um IDS de ML com tráfego corporativo real, e não com ataques de laboratório. Deu certo: com rotulagem cuidadosa e seleção de regras, o F1 pode chegar a 0,98. Há, porém, limitações rígidas: assinaturas ruidosas, deslocamento de timestamps, NAT e a necessidade de retreinar o modelo com regularidade.
Processado por IA de Habr AI; editado por Hamidun News
Uma rede neural de detecção de ataques pode ser treinada com o tráfego corporativo real de uma empresa, usando o Suricata como fonte de rotulagem dos dados.
É possível treinar uma rede neural para detectar ataques sem testes artificiais?
Sim. O estudo apresenta um cenário funcional para treinar um modelo de ML de detecção de ataques com tráfego real, sem executar ataques artificiais contra o recurso protegido, usando o IDS Suricata como fonte de rótulos.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.