Interpretador de sugestão de aprendizado do AWAF
Conecta o estimador de envenenamento e a triagem de falso-positivo. Caracterize uma sugestão do Traffic Learning e ela diz se aceitá-la afrouxa ou aperta a política, se um afrouxamento é uma correção de falso positivo ou uma relaxação de segurança, e se o aprendizado Automático está prestes a fazer enforcement por você. Roda inteiramente no seu navegador.
Segurança e WAFA sugestão de aprendizado que você está avaliando
Calculado no seu navegador. Nada é enviado.
Um modelo determinístico do comportamento de aprendizado documentado do F5, não uma sondagem. Leia a ação, o learning score e o violation rating médio da tela do Traffic Learning. Nunca contata um BIG-IP e não depende do JSON REST exato da sugestão.
AfrouxamentoVetor de envenenamento
Afrouxamento que resolve um falso positivo genuíno
O que isto significa
- O learning score sobe conforme o violation rating cai, então as sugestões de menor rating (os falsos positivos mais prováveis) chegam ao auto-aceite mais rápido. Isso é por design, e também é exatamente o que um atacante alimentando violações de baixo rating faz subir.
- Com um learning score de 80% esta sugestão está perto de ser aceita; verifique-a deliberadamente em vez de deixá-la passar.
- No aprendizado Automático, uma sugestão que atinge 100% de learning score é aceita e enforced automaticamente, sem etapa humana.
- Este é o vetor de envenenamento: um afrouxamento relaxante de tráfego não confiável subindo em direção ao auto-aceite no modo Automático. Modele o quão perto está com o estimador de envenenamento, e considere aprendizado Manual ou afrouxamento apenas de tráfego confiável.
- Relaxe a política apenas onde um falso positivo ocorreu, nunca onde um ataque real causou a violação. O violation rating é como você distingue os dois.
Endpoint da APIGEThttps://ronutz.com/api/v1/f5-awaf-learning-suggestion-interpreterDocumentado, não servido. Abre a especificação.