大家好，今天我們直接切入 Domain 1 的核心，聊聊機器學習的三大學習方式。

首先，我們要先搞懂機器學習跟傳統寫程式的差別：
傳統寫程式是我們寫好規則，輸入資料後得出答案。
機器學習則是：我們給它一堆資料和標籤，讓演算法自己去學出規則、產出模型。

因為規則是從資料中「學」出來的，這就代表：如果餵給它的資料被動了手腳，它學出來的規則就會跟著歪掉。這就是所謂的「資料投毒」，後面章節再來討論。

接下來，我們來看這三大範式。

第一種是：監督式學習（Supervised Learning）

簡單說，就是用有「正確答案標籤」的資料來訓練。
比如我們給它十萬封信，並且標好哪些是「垃圾信」、哪些是「正常信」，它學完之後，就能幫忙過濾垃圾郵件。
在資安上，惡意軟體偵測、入侵偵測（IDS）大都是用這種方法。

但這種方法的弱點是：如果駭客在訓練時，偷偷把「惡意樣本」標記成「良性」，模型學完就會對這些惡意軟體放行。這叫「標籤翻轉攻擊」。

第二種是：非監督式學習（Unsupervised Learning）

這種資料是「沒有答案標籤」的。模型必須自己想辦法在資料中找出規律或異常。
最常見的資安應用就是 UEBA（使用者與實體行為分析）。
系統不預設什麼是壞人行為，而是先學出每位員工平常的「正常行為基準」。
當有人突然半夜下載大量資料，系統就會發出警報。
因為它不依賴已知的特徵，所以對防範完全未知的零日攻擊（Zero-day）特別有用。

不過這也有缺點，如果駭客很聰明，故意花很長的時間、慢慢地、分批下載資料。系統可能就會把這種異常行為「學」成是正常的，這樣偵測就會失效了。

第三種是：強化學習（Reinforcement Learning）

就是沒有標準答案，靠獎懲機制來訓練。模型是透過不斷試錯來學習。
這在資安上通常用在自動化滲透測試，或者是自適應的網路防禦，讓 AI 自己去測試哪條防線最穩固。

它的威脅在於「獎勵函數操控」。如果駭客能修改 AI 的獎勵規則，比如讓 AI 誤以為「關掉防火牆」可以提升網路效能（得到更高分），AI 就會往壞的方向去學習。

另一種也很常用的「半監督式學習」（Semi-Supervised Learning）

有時候，在現實的世界裡，就是沒那麼多已經有標籤的資料，用人工來分析進行標示，會讓「標籤」非常昂貴。

半監督式學習就是為了解決這個痛點：
它只用極少量的「有標籤資料」，去引導**大量的「無標籤資料」**來進行訓練。

• 在資安怎麼用？
  • 惡意軟體偵測：用幾千個已知是病毒的樣本，配上幾百萬個未知的程式檔案，讓模型學會把類似的未知檔案歸類為病毒。
• 它的威脅是什麼？
  • 它同時具有監督式與非監督式的弱點。如果駭客污染了那極少數的「有標籤資料」（比如標籤翻轉），或是讓惡意行為在無標籤資料中顯得極為普遍，模型一樣會被帶歪。

考試會怎麼考？

現在不管什麼考試，都很愛考情境題，比如：

「某個資安系統沒有任何已標記的攻擊樣本，但需要偵測使用者的異常行為，應該用哪種機器學習範式？」

A. 監督式學習
B. 非監督式學習
C. 強化學習
D. 深度學習

答案是 B。因為題目說了「沒有已標記樣本」、要偵測「異常」，這就是標準的非監督式學習場景。

今天的重點總結一下：

• 監督式有標籤，弱點是標籤被污染（標籤翻轉）。
• 非監督式無標籤，讓電腦自己找結構，分析找異常，弱點是壞人行為偽裝成正常基線。
• 強化學習靠獎勵，弱點是獎勵函數被操控。
• 半監督式結合極少數標籤與大量無標籤資料，降低人工標註資料的成本，同時利用大量未標註資料提升模型預測的準確度。

明天我們要來看 ML 模型的生命週期，看看模型的一生中，駭客會在哪些階段動手腳。
我們明天見啦！