Nilalaman
- Kahulugan - Ano ang ibig sabihin ng Inference?
- Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
- Ipinapaliwanag ng Techopedia ang Inference
Kahulugan - Ano ang ibig sabihin ng Inference?
Ang pagkilala ay isang diskarte sa database system na ginamit upang atakehin ang mga database kung saan ang mga nakakahamak na gumagamit ay mas mababa ang sensitibong impormasyon mula sa mga kumplikadong database sa isang mataas na antas. Sa mga pangunahing termino, ang pagkilala ay isang pamamaraan ng pagmimina ng data na ginamit upang makahanap ng impormasyon na nakatago mula sa mga normal na gumagamit.
Ang isang pag-atake ng pagkilala ay maaaring mapanganib ang integridad ng isang buong database. Ang mas kumplikado ang database ay, mas malaki ang seguridad na ipinatupad sa kaugnayan nito. Kung ang mga problema sa paghihinuha ay hindi malulutas nang mahusay, ang sensitibong impormasyon ay maaaring leaked sa mga tagalabas.
Isang Panimula sa Microsoft Azure at ang Microsoft Cloud | Sa buong gabay na ito, malalaman mo kung ano ang lahat ng cloud computing at kung paano makakatulong ang Microsoft Azure sa iyo upang lumipat at patakbuhin ang iyong negosyo mula sa ulap.
Ipinapaliwanag ng Techopedia ang Inference
Ang dalawang kahinaan sa pagkilala ay lumilitaw sa mga database ay ang pagkakaugnay ng data at pagsasama ng data. Kung ang dalawang halaga na pinagsama ay inuri sa isang mas mataas na antas kaysa sa isa sa bawat halaga na kasangkot, ito ay nagiging isang samahan ng data. Kung ang isang hanay ng impormasyon ay naiuri sa isang mas mataas na antas kaysa sa indibidwal na antas ng data, ito ay isang malinaw na kaso ng pagsasama ng data. Ang sensitibong data na tumagas sa pamamagitan ng pag-iinteres ay nagsasangkot ng mga nakatali na data, kung saan nahanap ng isang umaatake ang isang saklaw ng data na humahawak ng inaasahang data o negatibong data, na nakuha bilang isang resulta ng ilang mga inosenteng mga query. Maaaring subukan ng isang umaatake na ma-access ang sensitibong impormasyon sa pamamagitan ng isang direktang pag-atake, hindi direktang pag-atake o pagsubaybay.
Ang isang malawak na iba't ibang mga channel ng pagkilala ay natuklasan sa mga database. Ang isang paraan ng pagkilala ay ang pag-query sa database batay sa sensitibong impormasyon. Sa pamamaraang ito, ang gumagamit ay nagtatanong sa database nang sunud-sunod at mula sa serye ng mga natanggap na output, mga pattern ng infers sa database at impormasyon na nakagaganyak sa likod ng karaniwang ipinakita na data. Ang isang serye ng mga query ng isang normal na gumagamit ay maaaring magbunyag ng ilang impormasyon na madaling mahulaan. Ang data ng istatistika ay maaari ring maging biktima ng pagkilala. Sa isang istatistika ng istatistika, ang mga istatistika ng pinagsama-sama sa isang pangkat ng mga tao ay ipinapubliko, habang ang indibidwal na impormasyon ay nakatago. Ang banta laban sa seguridad ng istatistika ng database ay ang mga query ay maaaring mai-istante sa mga istatistika ng pinagsama-sama sa isang tagal ng oras at mga operasyon ng aritmetika ay maaaring isagawa upang paganahin ang mga umaatake na mag-hack ng impormasyon ng indibidwal na miyembro.
Ang pagkilala sa pagkilala ay maaaring makamit sa pamamagitan ng semantikong modelo ng pag-iinteres, pagtuklas sa paglabag sa seguridad at pagkuha ng kaalaman. Pinagsasama ng modelo ng semantasyong inference ang dependency, data schema at semantiko na kaalaman. Kinakatawan nito ang lahat ng posibleng ugnayan sa pagitan ng mga katangian ng mga mapagkukunan ng data. Pinagsasama ng deteksyon ng paglabag sa seguridad ang isang log ng kahilingan na may isang bagong kahilingan sa query at tseke kung pinapayagan ang kahilingan tulad ng bawat itinakda na set ng mga tagubilin. Batay sa pagsusuri, napapasya kung ang sagot ay kailangang sagutin.