传统的基于攻击特征的安全防护，存在着特征库难于管理、较高的误报率和漏报率等诸多问题，安全防护效果难以进一步提高，而近年来出现的基于语法规则的检测虽然在一定程度上弥补了特征的不足，但是因为不理解业务，对于有着更高智能的攻击也显得捉襟见肘。

我将从百度在安全领域的实践出发，与大家一起探讨通过人工智能、机器学习领域的经典方法形成的分析系统效果，和他们如何与传统防护系统相互补充的经验。 

演讲提纲

• 基于神经网络的入侵检测识别原理与实现；
• 神经网络识别及与语法引擎的对比分析；
• 用户行为分析在 Web 日志审计中的模型介绍 。

听众受益

• 了解几种常见的分析模型在 Web 防护领域的实践方案；
• 深度神经网络能对传统防护方案起到哪些弥补；
• 机器学习在解决 Web 安全问题时遇到的各种挑战。