文章探讨机器学习在网络安全领域的应用前景与风险。Narayanan 指出 ML 适合感知处理、正改进判断自动化（网络安全 ML 所在领域），但预测结果不可靠。网络安全 ML 面临独特挑战：数据完全受恶意行为者控制，其具备数十年反分析、反调试、混淆等欺骗经验；隐私顾虑导致难以获取"已知良性"用户行为数据。核心难点在于确定分类与选择特征：白名单常用流行度（Alexa、Umbrella、Majestic、Tranco）作类比，但流行不等于安全；域名生成算法（DGA）既被恶意软件也被广告追踪遥测工具使用，分类包含良性与恶意数据。原文未给出具体数据。
原文: APNIC Blog（2020-10-19）｜摘要由 AI 辅助整理，事实以原文为准。
来源：APNIC Blog