2022 Graph+AI 全球峰会

想象有一天，一台 DevOps 开发人员的机器遭到入侵。它只是碰巧参与了非针对公司的攻击吗？还是针对公司的关键数字资产，因此危险性高出 1000 倍？两者之间的区别非常重要。从根本上说，为了更好地了解今天的攻击风险，我们需要了解攻击的许多步骤的背景，以便我们更好地了解目标以及它对公司的风险程度。这需要分析多个实体（用户、资产、文件、进程等）之间的相关性以及它们在警报链接的攻击中的关系。这本质上是一个图分析问题。我们需要可以分析图的机器学习算法来提供帮助。 图机器学习是机器学习的一个子领域，近年来发展迅速。 图机器学习通过不同的技术学习图的拓扑影响，例如图嵌入、图神经网络等。通过图机器学习，我们可以了解勒索软件攻击的重要步骤，并从初始渗透和攻击中得出攻击的整体情况。
来自Stellar Cyber的工程副总裁Albert Zhichun Li，将为大家带来精彩分享。Stellar Cyber是一家美国网络安全服务商，致力于为用户提供网络扩展检测和安全响应服务，旨在通过早期识别和补救所有攻击活动来显着降低企业风险。