Если положить ключ под коврик для полицейских, грабитель тоже сможет его найти. Преступники используют все имеющиеся в их распоряжении технологические инструменты для взлома учетных записей людей. Если они знают, что где-то спрятан ключ, они не остановятся, пока не найдут его. ~ Тим Кук
Что такое кибербезопасность? 🤔
Кибербезопасность — это практика защиты компьютеров, серверов, мобильных устройств, электронных систем, сетей и данных от вредоносных атак. Это также известно как безопасность информационных технологий или электронная информационная безопасность. Этот термин применяется в различных контекстах, от бизнеса до мобильных вычислений, и может быть разделен на несколько общих категорий.
· Сетевая безопасность – это практика защиты компьютерной сети от злоумышленников, будь то целенаправленные злоумышленники или вредоносное ПО.
· Безопасность приложений направлена на защиту программного обеспечения и устройств от угроз. Скомпрометированное приложение может предоставить доступ к данным, которые оно предназначено для защиты. Успешная безопасность начинается на этапе проектирования, задолго до развертывания программы или устройства.
· Информационная безопасность защищает целостность и конфиденциальность данных как при хранении, так и при передаче.
· Операционная безопасность включает процессы и решения по обработке и защите активов данных. Разрешения, которые пользователи имеют при доступе к сети, и процедуры, которые определяют, как и где данные могут храниться или совместно использоваться, подпадают под этот зонтик.
В этом мире безопасности матрица путаницы играет жизненно важную роль.
Тогда что такое матрица путаницы?
Матрица путаницы — это матрица N x N, используемая для оценки производительности модели классификации, где N — количество целевых классов. Матрица сравнивает фактические целевые значения с предсказанными моделью машинного обучения. Это дает нам целостное представление о том, насколько хорошо работает наша модель классификации и какие ошибки она допускает.
Для задачи бинарной классификации у нас будет матрица 2 x 2, как показано ниже, с 4 значениями:
Расшифруем матрицу:
- Целевая переменная имеет два значения: Положительное или Отрицательное.
- столбцы представляют фактические значения целевой переменной.
- Строки представляют прогнозируемые значения целевой переменной.
Но подождите — причем здесь TP, FP, FN и TN? Это ключевая часть матрицы путаницы. Давайте разберемся с каждым термином ниже.
Понимание истинно положительного, истинно отрицательного, ложноположительного и ложноотрицательного в матрице путаницы
Истинный положительный результат (TP)
- Прогнозируемое значение соответствует фактическому значению
- Фактическое значение было положительным, и модель предсказала положительное значение.
Истинно отрицательный (TN)
- Прогнозируемое значение соответствует фактическому значению
- Фактическое значение было отрицательным, и модель предсказала отрицательное значение.
Ложное срабатывание (FP) — ошибка первого типа
- Прогнозируемое значение было неверно предсказано
- Фактическое значение было отрицательным, но модель предсказала положительное значение.
- Также известна как ошибка первого типа.
Это наиболее критическое значение, потому что на самом деле произошла кибератака, а модель машинного обучения не проинформировала организацию. А это приносит огромные убытки организации. Потому что они не могут получить информацию в нужное время и не предприняли никаких немедленных действий после того, как произошла атака.
Ложноотрицательный результат (FN) — ошибка 2-го типа
- Прогнозируемое значение было неверно предсказано
- Фактическое значение было положительным, но модель предсказала отрицательное значение.
- Также известна как ошибка типа 2.
Заключение
Из этого мы можем сделать вывод, что машинное обучение играет очень важную роль с точки зрения системы безопасности, поскольку оно может защищать данные компаний, что очень важно. Также я объяснил роль матрицы путаницы в мире кибербезопасности.
Я надеюсь, что это помогло вам, если у вас есть какие-либо дополнительные вопросы, вы можете связаться со мной на моем LinkedIn.
