Fortinet FortiWeb在其新發(fā)布的操作系統(tǒng)6.0中應(yīng)用了機器學(xué)習(xí)，將攻擊檢測準確率提高到接近100％。

      雖然WAF是保護應(yīng)用的主要安全技術(shù)，但有些企業(yè)可能不愿意使用這些設(shè)備，因其所需要更多的人工干預(yù)而聞名，特別是在保障合法用戶與用戶不被阻斷時出現(xiàn)的誤報問題時。

      大多數(shù)WAF解決方案產(chǎn)生誤報的主要原因是基于行為威脅檢測方法；基于對應(yīng)用程序的學(xué)習(xí)（AL：application learning），這在大規(guī)模應(yīng)用流量的情況并不是很理想。應(yīng)用程序?qū)W習(xí)（AL）可自動構(gòu)建配置文件，以實現(xiàn)所遇到的任何基于Web的應(yīng)用程序的結(jié)構(gòu)和用法。這種檢測和響應(yīng)方法可以阻止復(fù)雜的黑客嘗試利用已知的漏洞或發(fā)起零日攻擊。

      盡管第一代WAF功能確實提高了識別和響應(yīng)Web應(yīng)用程序威脅的能力，但其精確度仍有很大改進的空間。 由于WAF解決方案可能會產(chǎn)生大量的誤報檢測結(jié)果，可能會阻止關(guān)鍵的非惡意流量，因此許多企業(yè)必須將有限的安全工程師的資源用于管理策略和異常情況。

      這是因為AL沒有更好的方法來解決正常應(yīng)用程序使用的每種變化，或者說適應(yīng)應(yīng)用程序中的變化。

用機器學(xué)習(xí)代替應(yīng)用程序?qū)W習(xí)

      FortiWeb所應(yīng)用的機器學(xué)習(xí)（ML）技術(shù)提供了一種完全不同的威脅檢測方法，即利用概率進行威脅識別。

      與AL類似的方面是，F(xiàn)ortiWeb的機器學(xué)習(xí)（ML）在與用戶與應(yīng)用程序交互的過程中收集數(shù)據(jù)。 與AL不同的是，ML是利用統(tǒng)計模型來確定HTTP請求的異常，只有當(dāng)請求偏離太遠時，F(xiàn)ortiWeb才會將其視為異常。

      這樣的智能靈活的方法只是FortiWeb新的機器學(xué)習(xí)策略提供的兩層機器學(xué)習(xí)功能中的第一個。 一旦確定了異常情況，它就會使用第二層機器學(xué)習(xí)來確定它是威脅還是簡單的良性變化，例如錯別字、以前沒有被使用過的字符、甚至是該應(yīng)用自身的一個良性 。 它通過運行通過多種威脅模型來確定異常是否為攻擊。 如果是，那么就像AL一樣，它可以采取諸如記錄，警報和/或阻斷異常等操作。

創(chuàng)建威脅模型，持續(xù)更新安全服務(wù)

      為了進一步提高威脅檢測效率，F(xiàn)ortinet將基于人工智能的先進機器學(xué)習(xí)功能與FortiWeb WAF相結(jié)合，創(chuàng)建了多種特定的威脅模型。 每個模型都代表特定的攻擊類別（SQL注入，跨站點腳本，OS注入等）。這些威脅模型經(jīng)過FortiWeb開發(fā)團隊使用來自各種來源的數(shù)十萬個真實攻擊樣本，包括眾所周知的第三方數(shù)據(jù)庫，如CVE和Exploit DB，以及FortiGuard實驗室的威脅情報，及第三方漏洞掃描程序收集的數(shù)據(jù)，進行了廣泛訓(xùn)練和測試。 這些模型將作為FortiWeb解決方案的安全服務(wù)，進行持續(xù)更新，以便針對需要模型再訓(xùn)練和測試的新威脅提供實時保護。

提高了準確率同時降低了開銷

      應(yīng)用了機器學(xué)習(xí)的攻擊檢測準確率提高到接近100％。 通過機器學(xué)習(xí)，F(xiàn)ortiWeb可以在標記異常后，采取進一步防御動作之前快速準確確定是否威脅，確保關(guān)鍵應(yīng)用程序和事務(wù)不會中斷；而不是標記和阻止每個異常。 除了極大降低誤報外，F(xiàn)ortiWeb機器學(xué)習(xí)引擎還能夠顯著減少漏報。

總結(jié)

      Fortinet FortiWeb OS 6.0發(fā)布中對于機器學(xué)習(xí)的應(yīng)用，實現(xiàn)了WAF智能化學(xué)習(xí)及自防御，有效的提高了WAF 安全效能，降低了誤報率、漏報率和人工干預(yù)，使用戶脫離出繁瑣的產(chǎn)品優(yōu)化工作，在WAF層面完善人工智能自動運維體系。

      FortiWeb 不僅可以作為硬件設(shè)備部署，還支持多主流hypervisior的虛擬化場景，以及包括AWS 、Azure 的公有云平臺部署。