Методы машинного обучения и глубокого обучения для кибербезопасности

С развитием Интернета кибератаки быстро меняются, и ситуация в области кибербезопасности не является оптимистичной. В этом обзорном докладе описываются ключевые обзорные публикации по методам машинного обучения (ML) и глубокого обучения (DL) для сетевого анализа обнаружения вторжений и приводится краткое учебное описание каждого метода ML/DL. Статьи, представляющие каждый метод, были индексированы, прочитаны и суммированы на основе их временных или тематических корреляций. Поскольку данные имеют решающее значение для методов ML/DL, мы описываем некоторые из часто используемых сетевых наборов данных, применяемых в ML/DL, обсуждаем проблемы использования ML/DL для кибербезопасности и предлагаем направления для дальнейших исследований.