張哲誠教授/逢甲大學資訊工程學系
在資安領域中,辨識攻擊可以用兩種不同的思路來理解。第一種是特徵比對:它就像警察局牆上的通緝名單。只要遇到的人長得和照片一樣,就立刻提高警覺。這種方法對已知攻擊非常有用,因為我們已經知道敵人有哪些特徵,可以快速進行比對。但它也有一個很明顯的弱點:如果敵人根本不在名單上呢?面對從未出現過的新型攻擊,單靠已知特徵就可能無法及時辨識。
於是,我們可以換一種完全不同的思考方式:異常偵測(Anomaly Detection)。異常偵測不急著記住每一種壞人長什麼樣子,而是先努力學會“正常情況應該長什麼樣子”。想像一位在社區工作了很久的老管理員,他不一定看過所有小偷,也沒有一本厚厚的通緝名單,但他非常熟悉社區裡的日常生活。這些事情看起來平凡,卻共同構成了這個社區的正常模式。某一天凌晨三點,一名陌生人在走廊上徘徊,還逐戶轉動住家的門把。管理員根本不需要知道這個人姓什麼、以前犯過什麼案,也不需要先在通緝名單上找到他的照片。他只需要知道一件事:這個行為和平常差太多了。這就足以讓他提高警覺,也正是異常偵測用來面對未知攻擊的重要思路。
與其試圖記住世界上所有可能的攻擊方式,不如先建立正常行為的模型。當新的網路流量明顯偏離正常模式時,系統就可以把它標記出來,交給後續機制進一步檢查。不過這種方法也有自己的難題,其中最常見的就是誤報,也就是把原本正常的行為誤判成攻擊。因為現實世界中的正常並不是永遠固定不變的:社區可能搬來新住戶,大家的生活習慣可能改變;同樣地,公司的網路使用模式也可能因為新系統上線、員工開始遠距工作或使用新的服務而發生變化。
如果管理員太過敏感,只要看到陌生面孔就大喊「有小偷!」,久而久之,大家可能反而不再重視他的警報。因此,如何在太敏感與太遲鈍之間取得平衡,是異常偵測系統非常重要的課題。
那麼,我們要怎麼訓練出一位 AI 版的「老管理員」呢?
