28 | 机器学习：如何教会机器识别黑灰产？

请问老师 中小型公司是自己训练模型好呢 还是直接买现成的服务呢

深度学习和图算法没有深入研究过，不过都有接触过；图算法相关的内容在算法训练营中有接触过 针对数据系统中无监督或者有监督学习来解释使用场景吧，这是目前云厂商的监控系统中用的比较多的； 无监督学习：正常的链接和操作，主要体现的是各种操作的比例，统计分析作用，便于看到图表数据就知道哪些正常操作的使用频率或使用时间以及消耗资源情况；从而根据现状去考虑是否要进行一些策略优化； 监督学习：监督学习与无监督学习最大的区别在于使用场景不同，监督学习获取到的不少都是告警或警示信息，这些都是直接需要研究查看研究且考虑是否处理及如何处理。 故而监督学习与无监督学习的最大的区别个人觉得是使用场景的不同：无监督只是分析/体现现状，有监督在分析的同时会直接做个简单的分类，会体现结果的类型。 深度学习和图算法没有深入研究过，不过都有接触过；图算法相关的内容在算法训练营中有接触过。不过老师今天课程中提出，属于又抛出了研究方向和思路；课程结束后应当有的忙碌了，希望在课程结束后老师能分享一个交流学习的途径，如公众号或微博号，便于进一步探讨交流。 谢谢老师今天的分享：期待老师后续的分享。

1，机器学习准确率有多大？有数据吗？2，手机360安全助手拦捷拉圾电话和短信是通过机器学习的吗？3，我是作软件测试的，听了这个课，让我对利用机器来发现软件bug有些启发。

迄今为止，看到的对机器学习最客观的评价，机器学习和人工智能并不是银弹，都是来帮助我们提高工作的效率的，而不是取代人工自主工作的，想起了前面章节的一句话，短期内对技术预期过高，好多项目都是干到最后只有人工，没有智能了，因为一开始就没有客观的去评价和认识技术本身。

个人感觉深度学习可以建立神经网络，用卷积层云和池化层更好的判断是否为恶意攻击。 图算法可以一系列请求组合成一个图，从而挖掘出最短路径、最小树这些数据来指导分析工作。

我觉得本章内容对机器学习解释的不够准确，不过可以理解，毕竟搞安全的不都是机器学习的从业人员

打卡