We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
人工智慧系統在 AWS 的開發及維運: 以資安應用為例
廖振傑
Trend Micro / Sr. Engineer
Back-end engineer, familiar with Python/Flask and AWS
人工智慧和機器學習已被廣泛應用在資訊安全領域,以應對不斷演變的資安威脅。 然而看似相仿的人工智慧的資安應用,卻需要搭配全然不同的後端架構, 才能符合不同應用的限制條件和程式功能上的需求。 在人工智慧系統中可能會使用多個不同機器學習模型、抽取上百個特徵值、對資料進行各種前處理, 還要將各個系統、資料來源、模型的結果整合後,才能順利完成人工智慧的預測。 在這流程中的每個功能模組會使用到各式各樣的套件,且不同的人工智慧應用更要面對不同的挑戰。 本演講將會以趨勢科技內部三個看似相似、實則大不相同的人工智慧資安應用為例, 包括惡意程式偵測、惡意連結偵測、及託管式偵測及回應(MDR)等, 並以後端工程師的角度來分享如何開發及維運這些在線上服務的系統。
人工智慧和機器學習已被廣泛應用在資訊安全領域,以應對不斷演變的資安威脅。 然而看似相仿的人工智慧的資安應用,卻需要搭配全然不同的後端架構, 才能符合不同應用的限制條件和程式功能上的需求。 在人工智慧系統中可能會使用多個不同機器學習模型、抽取上百個特徵值、對資料進行各種前處理, 還要將各個系統、資料來源、模型的結果整合後,才能順利完成人工智慧的預測。 在這流程中的每個功能模組會使用到各式各樣的套件,且不同的人工智慧應用更要面對不同的挑戰。
本演講將會以趨勢科技內部三個看似相似、實則大不相同的人工智慧資安應用為例, 包括惡意程式偵測、惡意連結偵測、及託管式偵測及回應(MDR)等, 並以後端工程師的角度來分享如何開發及維運這些在線上服務的系統。
The text was updated successfully, but these errors were encountered:
No branches or pull requests
人工智慧系統在 AWS 的開發及維運: 以資安應用為例
廖振傑
Trend Micro / Sr. Engineer
The text was updated successfully, but these errors were encountered: