Notes sur la détection à l'épreuve de l'adversaire
Retours d'ingénierie, notes de recherche et conférences sur la construction d'un NDR qui suppose que l'attaquant cible aussi le modèle de machine learning.
Un compagnon du whitepaper Ward³ : ce qui doit être vrai pour qu'un produit se dise honnêtement Médiateur Neuronal Adversariel — et pourquoi trois des cinq critères sont ceux que les éditeurs évitent discrètement.
La plupart des NDR parient qu'un modèle bien entraîné suffit à repérer les attaques avancées. Les outils d'évasion open source ont transformé ce pari en talon d'Achille.
« xx % de faux positifs en moins » est une moyenne mesurée sur un benchmark. Une borne conforme est une propriété qui tient sur votre trafic.
Comment le médiateur transforme trois avis en un verdict — et pourquoi les moments où ils divergent sont ceux qui méritent l'attention.
Les juges supervisés attrapent les familles d'attaque qu'on leur a montrées. Un juge de nouveauté attrape les flux qui ne ressemblent à rien de ce que le déploiement produit normalement.
Une conférence sur le fait de traiter le modèle ML comme une surface d'attaque, et sur ce à quoi ressemble une stack de détection réseau quand elle l'admet.