资料列表
Preview Name 作者 Date File info
  • 快递场景下的优惠券风险防控
  • 目录

    • 01 快递场景下的优惠券
    • 02 快递场景下的数据
    • 03 优惠券的拉锯战
    • 04 一些不得不说的事

    目前的商业模式中,优惠券的使用与发放,已经成为业务人员对用户的拉新和存量激活极为重要的一种方式。因此,优惠券的发放与使用,也已成为快递行业业务安全中较为重要的一个防控环节。演讲介绍了如何利用现有的数据,在低频的数据场景下实现对优惠券的防控。

    初期:探索阶段。使用机器学习方法做预测,并使用规则辅助正负样本样本的选取以及线上指标的监控以保证分析模型生命周期的完整。

    中期:调整阶段。可获取样本变少,将模型中维度前置,形成白名单库,形成领券前期的数据防御。

    后期:持续监控及可复用。持续监控,并将现有经验梳理,支持在其他的业务场景的快速落地。

    演讲者让我们学习到了快递行业业务安全其中的门道。

叶东哲@顺丰科技大数据算法工程师 2019-07-31 11:06:22
  • 附件: 1 个
  • 大小: 0.57 M
  • 数据挖掘赋能安全感知-阿里云大数据入侵检测实践
    • 云+ 安全性
      • 数据流
    • 威胁建模案例表
      • 基于规则的决策所存在的问题
      • 多元高斯模型
      • 恶意行为链
      • 模式挖掘
      • 生成强关联规则
      • 恶意Web 脚本
      • 特征
      • 机器学习性能
      • 自动化攻击回溯
      • 编码后载荷回溯
      • 编码后载荷回溯案例
      • 借助数据挖掘增强安全感知能力

    今天,随着机器学习取得的突破,越来越多的公司开始将机器学习应用到各种安全解决方案中。然而,这些工作要么集中于提出新的算法,要么只是发现新的应用场景。关于小数据量的学术成果与各种云应用之间的差距,人们很少提及。在本文中,我们将首先展示云安全意识的挑战,特别是应用层威胁。然后,将介绍几种采用数据挖掘技术的最先进的入侵检测解决方案,如蛮力、异常进程启动、恶意脚本、网络攻击等。所有这些解决方案现在都在为阿里云服务,每一个都会向我们的客户发出数千次入侵警报。天。最后,我们将讨论何时以及如何使用数据挖掘技术来增强安全意识,并给出我们的建议。

Yue Xu & Han Zheng@Alibaba Cloud 2019-07-16 08:22:21
  • 附件: 2 个
  • 大小: 5.23 M
  • 微软威胁防护的机器学习进展
    • 安全研究超级英雄
    • 智能安全图
    • AI 多样性
    • MDATP中的深度学习
    • 监督学习
    • 异常检测
    • 工具和平台
    • 社区
    • 答疑

    没有机器学习的安全解决方案在今天是不可想象的。需要在数毫秒内做出决定,利用嵌入在数兆字节数据中的信号,接触超过10亿用户。在本文中,我们将分享如何在Microsoft威胁保护中应用机器学习。我们将讨论数据、平台和能力,这些模型构成了我们的模型的基础,然后深入到选择的ML模型中。这篇演讲将超越描述传统的分类系统,而是深入探讨高级主题,如构建语言模型、异常模型和对抗性防御。

Christian Seifert, Principal Researcher 2019-07-16 07:20:46
  • 附件: 2 个
  • 大小: 3.2 M
鲍磊@青松云安全 2019-05-15 13:50:48
  • 附件: 1 个
  • 大小: 3.42 M
  • 智能之源 安全之本
    • 通过感知外界信息并不断学习进化,人类产生了智能
    • 基于大量数据的学习与训练,机器产生了智能
    • 如果数据的获取出现了问题
    • 如果数据的处理出现了问题……
    • 数据 智能之源 安全之本
    • 数据安全保护,从原点开始
    • 在感知终端应用微边界保护架构
    • 安全启动 保护终端数据处理环境的安全
    • 程序保护 保护终端数据处理程序的安全
    • 敏感信息保护 关键数据不泄露、不被非法访问
    • 主动防御 终端数据风险实时监测与响应
    • 移动APP中的数据 全方位保护移动数据的安全
    • 态势感知 提供全面的数据运营安全管理
阚志刚@梆梆安全 2019-04-29 10:22:09
  • 附件: 1 个
  • 大小: 2.19 M
  • 威胁与安全AI战场上的决斗
    • 不断进化的网络犯罪组织
    • AI?机器学习?
    • AI?机器学习?深度学习?
    • AI在恶意软件制作中的案例
    • AI在防御系统中的案例
    • AI在威胁中的进化
    • AI和自动化显著降低了攻击时间
    • FortiGuard的数字...
    • AI的基础:大数据和机器学习
    • 自主进化的检测系统(SEDS)
    • FortiGuard自主进化的检测系统(SEDS)
    • 下一代Web应用防护
    • 传统的WAF应用学习防护
    • 多种机器学习来解决
张略 Fortinet中国技术总监 2018-12-20 10:52:35
  • 附件: 1 个
  • 大小: 1.1 M
  • 浅谈互联网安全建设
    • 电商金融面临的主要风险类型
    • 基础安全
    • 关于设备告警/日志
    • 安全体系
    • 业务安全
    • 风控
    • 关于机器学习的应用
    • DGA恶意域名判断
林鹏 2018-11-29 02:43:30
  • 附件: 1 个
  • 大小: 3.04 M
  • 机器学习对高度自动驾驶功能安全系统的挑战
  • Can Machine Learning in Highly Automated Driving Exist in a Functional Safety System?

    Mark A. Crawford, Jr. Great Wall Motor ABSTRACT Machine learning (ML) is increasingly becoming a key enabling technology for highly automated driving (HAD) vehicles. With all the significant advances that ML has contributed in HAD, there are significant challenges in assessing the risks associated with this artificial intelligence technology. ML presents unique hazards and software challenges that require new approaches to ensure functional safety. This presentation will review the difficulties in incorporating ML into HAD to reduce safety risks and will discuss recommendations for solving these problems in a functional safety context.

    机器学习(ML)技术正日益成为推动高度自动驾驶(HAD)汽车发展的关键因素。不过,ML 技术在推动 HAD 汽车实现重大发展的同时,也带来了一些新的安全风险。具体来说,ML 技术的应用给汽车功能安全 带来了新风险与新的软件挑战。本演讲将侧重介绍ML 技术应用于HAD 汽车所带来的安全风险,并就如 何提高HAD 汽车功能安全提出了几点建议。

Mark A. Crawford, Jr. @长城汽车 2018-11-27 09:05:37
  • 附件: 1 个
  • 大小: 5.25 M
  • 唯品会攻击检测实践
  • 议题简介:

    • (1)在海量流量中检测攻击,有如大海捞针。传统的攻击检测方案消耗大量机器性能。
    • (2)如何利用流量特点,制定适用于大流量业务的攻击测方案:更少的性能需求,更好的效果。
    • (3)唯品会的攻击检测 pipeline:异常检测 + 机器学习 + 专家反馈。
姜朋序 唯品会信息安全工程师 2018-11-24 11:06:42
  • 附件: 1 个
  • 大小: 0.78 M
携程 岳良 2018-09-19 04:57:43
  • 附件: 1 个
  • 大小: 3.45 M