机器学习仍然是一个相对较新的领域，许多人还没有弄清楚什么是可能的什么是推测。从SAP的角度来看，机器学习最重要的方面之一是安全性。机器学习的核心思想是将重点放在SAP安全上，教机器什么样的数据被认为是正常的，什么样的数据被认为是不正常的。此外，系统可能会被教导检查日志，以确定什么构成安全漏洞以及SAP服务器上的常规活动。然而，与许多基于计算机的解决方案一样，即使在教授了系统应该注意的基本信号之后，系统也永远不会100%正确。

机器学习和SAP安全

SAP作为一种数据库体系结构，有很多东西可以作为潜在的开发入口点。在过去，处理这些潜在的切入点可能是有问题的，因为它们中的许多可能存在于单个安装中。它最终将成为一场战斗，是试图预测攻击将在何处发生，还是试图在攻击可能造成重大损害之前抓住攻击。借助SAP的机器学习方法，SQL注入和恶意脚本上传等基本操作可以实现自动化。可以发现由这些问题生成的日志条目，并根据具体情况对用户或IP采取必要的操作。然而，这个系统有一些明显的局限性。

管理的安全性和机器学习

SAP的好处是，他们的数据科学家和工程师非常清楚可能出现的问题，这些问题可能会导致SAP安装。为此，淘返利，他们可以开发基于机器学习技术的教学系统围绕这些东西。每个SAP安装都有其独特的交互，这可能会带来问题，大数据和数据分析区别，因为一个特定系统中的异常活动可能是另一个系统中的常规操作。在怀俄明州有限责任公司律师的帮助下，安全人员可以根据自己的能力决定哪些应该调查，哪些可以安全地忽略仍然是必要的。尽管机器学习非常擅长，但它只能在严格定义的参数内使用。在安全领域，对恶意攻击的军备竞赛持续不断，机器学习可能只有半装备才能应对出现的新进展。

处理非传统攻击

虽然系统可以用于自动攻击，但像社会工程这样的东西可能处于不同的水平，因为它没有longer自己直接处理数据库系统。通过机器学习，我们可以建立起制衡机制，以确定是否有人在尝试社会工程。欺诈留下的标志是机器可读的，尤其是当所有东西都链接到同一个系统时。对电子邮件地址的后期编辑和CSR的其他看似无害的任务（如添加或删除购买项目）经常发生，但随着时间的推移，系统将发现模式，并且很可能在欺诈行为出现之前很久就发现了。机器学习这类任务只能在较长的观察期内完成，当出现这种情况时，它可能会设置标志，但它仍然需要一个人来研究，因为社会工程的核心是人类的易错性，而不是系统本身的易错性。

数据库安全的未来？

机器学习为自动化安全提供了一个非常有趣的起点，但在目前的技术水平下，公有云市场，我们不太可能很快就会有无监督的安全出现。人的因素一直是并将继续是设计和使用剥削的主要部分。在这个关头，我们能做的最好的事情就是信任SAP的工具，最新的工具是机器学习的实现，以帮助我们做出有关系统安全性的决策。机器学习是不会出错的，但它的严格性使它变得不灵活。它在严格定义的参数中运行，这可能是一种祝福，大数据怎么查询，也可能是一种诅咒。在系统安全性方面，企业号应用，适应性是很重要的，而在机器学习工具的旁边增加一个人可以为那些想要开发SAP系统的人制造一个巨大的障碍。