面對愈來愈多傳統偵測技術難以發現的未知型威脅，新式資安機制大多會搭配沙箱技術執行模擬執行取得入侵指標，甚至以近年來相當熱門的機器學習演算分析來輔助偵測。
Juniper Networks亞太區產品技術總監梁定康指出，去年Juniper併購取得新創公司Cyphort，擁有了可檢查未知型攻擊的機器學習演算法專利技術，相較於長期以來透過特徵碼分析比對模式，更增添動態偵查能力，可進一步掌握異常行為。
 |
| ▲ Juniper Networks亞太區產技術總監梁定康強調，機器學習僅為資安眾多功能項目之一，同樣須搭配HoneyPot、沙箱等技術，Juniper採以多層次技術分析網路封包，來判斷與緩解攻擊威脅。 |
Cyphort的偵測引擎可察覺狙殺鏈中五個重要滲透活動，包含弱點攻擊（Exploit）、下載、安裝、回呼中繼站、橫向移動。梁定康說明，透過蒐集取得的資料經過引擎執行分析，可用以偵測攻擊行為、類型、風險評估資訊，「機器學習演算輔助分析對於資安領域效益極高，例如Google於2017年3月宣布收購美國數據建模與分析競賽平台公司Kaggle，二年前曾與澳大利亞電信（Telstra）合作舉辦招聘競賽，由澳大利亞電信提供大數據讓參賽者釐清異常網路流量，分數最高者可獲得聘用，都是例證。」
為了降低實作機器學習演算法的撰寫門檻，相關工具亦隨著應用需求增加持續發展，例如Azure Machine Learning Studio視覺化介面，內建不同應用情境所需的演算法，使用者可匯入資料執行模擬分析，評估最合適的演算法技術，建立可精準辨識的資料模型。
Juniper提供的技術也是結合高階統計學與機器學習演算法，能判斷究竟是攻擊行為，抑或只是網路連線錯誤。梁定康進一步說明，運行方式是從網路封包中解析取得所有資料，採用機器學習資料模型予以分析，其中即運用Cyphort專利演算法技術，其包含大約五千個特徵功能、超過十萬筆資料，以監督式訓練模型來建立可判斷攻擊行為的能力，並可進一步判別類型與風險等級。
至於端點環境的資料來源，Juniper可透過整合第三方合作夥伴的方案來取得，例如安裝Carbon Black、CloudStrik等代理程式，蒐集取得端點日誌檔案，讓引擎運行偵測分析。
機器學習演算模型有兩種提供方式，可採取雲端服務透過網路流量導向雲端平台執行檢查，至於內部機敏資料較多的企業或組織，也可選擇自建JATP（Juniper Advanced Threat Prevention）設備，同樣可運用機器學習演算法（SmartCore分析引擎），以沙箱模擬分析技術檢查網路。之後IT管理者可透頁介面報表，深入查看統計偵測到的威脅資訊，從中取得整個狙擊鏈活動週期相關資訊。
「在管理方面可透過Contrail Security單一平台，執行跨雲平台的控管，例如配置存取權限、應用服務運行流程等機制；抑或是搭配AppFormix蒐集設備產生的資料，以監看整體運行狀態，不僅是網路環境，同時也可分析使用者存取應用程式的行為，並且產出統計報表。」梁定康說。