일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- 리눅스보안
- 유닉스
- GitLab
- 웹모의해킹
- docker
- 정보보안기사
- 리눅스
- VMware
- 기아
- NEXUS
- Synology
- 보안컨설팅
- 데이터모델링
- 보안기사실기
- AI
- snort2.9
- 모의해킹
- Bigdata
- 정보보안산업기사
- Snort
- DreamHack
- dreamhack.io
- 드림핵
- 스노트
- NQ5
- M1
- 취약점진단
- 정보보안
- gns3
- Python
Archives
- Today
- Total
728x90
반응형
목록데이터분석 (1)
Security_Analysis
진단 Tool 제작_5 (결과 모델링 및 학습)
직접 진단한 결과를 DB에 저장까지 했으니, 이 결과들을 가지고 취약점 예측 모델을 만들어야 한다. 진단 Tool 제작_4 (데이터 저장) 내가 생각한 학습 모델은 다음과 같다. 1). DB에 저장된 현황과 결과를 학습하여 각 "양호", "취약", "N/A", "인터뷰" 등의 결과를 내야 하고 2). 진단 시 오탐률은 최대한 적어야 한다. 맨 처음글에서도 썼지만, 취약점 자동화 솔루션들은 특정 설정값 존재여부에 대해 확인하고 존재하는 경우 : 양호 / 존재하지 않는 경우 : 취약 => 즉 설정값 과 기준 값의 1 : 1 Mapping 을 통한 진단 이라는 것그럼 기준에는 적합하지 않지만 양호의 결과가 존재한다면..? 예를 들어 이런 항목이다. =================..
현업/[dev]_Python
2024. 7. 11. 21:09
728x90
반응형