大數據、機器學習與信息安全
從機器學習的角度來看，大數據不過是訓練各類參數、概率分布模型的輸入。合適的、經過篩選的、符合事物客觀特征描述的大數據方才是好的數據，故在目前這個所謂“泛大數據時代”，數據確實是最為精貴的資源，但並不是所有數據都是，我們只能去蕪存菁方可認清數據的本質以及事物（包括人類自身）的本質。因此對於數據的處理反而變成了最最重要的問題。
從經典定義來看，機器學習對於特性輸出的提高，其最重要關鍵點不在算法（當然，好的算法也是非常重要的基礎，是成功的必要條件，是減少開銷、盡量少的消耗資源的核心）而是在於是否占有更大、更好的數據，從而訓練出更為出色的模型，其輸出主要是各類參數，至少在“弱人工智能時代”，其價值也是在於這些參數。因為人工智能的定義更為寬泛，它包含一些不多的、不主要依賴於數據學習的方法，AI這個大概念不是我們討論的要點。以神經網絡為例，定理告訴我們對於任何連續函數，可以以任意精度去逼近，先決條件是隱層的神經元越多越好。
對於機器學習而言，最重要目標是對客觀數據進行分類，其它任務已經變得不太重要了。無論我們談到的支持向量機、神經網絡、聚類等等無不是基本圍繞分類這個主題進行的！
以我的觀點來看，信息安全本質是提供可信、可靠的服務和數據（註意，這個定義的修飾詞不僅僅是可信，還有可靠，存在一定區別，因為我們不能忽視DOS/DDOS攻擊，這會造成服務的不可靠而不是不可信，這個觀點與吳瀚清略有所區別）。但目前我們可能還是無法直接運用機器學習的方法來規避DDOS攻擊，因為無論在網絡層還是應用層，抵禦網絡/應用的DDOS攻擊還是傳統方法，即引流/WAF，雖然能從這些數據中學習到攻擊數據的特征，但一旦錯誤地丟棄一個網絡數據包就可能造成用戶的投訴，而且可能你還沒有學習完，攻擊已經結束、服務已經停止，所以我們的著眼點還是在於機器學習在可信這個環節上。
本文出自 “13335387” 博客，謝絕轉載！
大數據、機器學習與信息安全