Баттл твипов - Лечение сайтов от - против - Создание предиктивных

Лечу сайты, написанные на PHP (на движках Joomla, Wordpress и т. д. ). Помогает от мобильных редиректов, шеллов, спамерских скриптов, дорвеев и т. п. С помощью своих скриптом нахожу места использования опасных функций, изучаю их и если обнаруживаю код вируса, то удаляю. По итогам отдаю список вылеченных файлов, их резервную копию.

Пожалуйста, имейте в виду, что файлы, зашифрованные Zend или ionCube, я расшифровать не смогу, так что не смогу их и проверить.

Также нужно понимать, что сама по себе чистка вирусов - временное решение, так как заражение произошло, скорее всего, через уязвимости используемого на сайте движка, так что даже если полностью вычистить вирусы, через некоторое время они могут появиться снова. Более-менее защищает от вирусов только поддержание движка и плагинов в обновлённом состоянии: чем свежее код, тем меньше вероятность, что в нём есть известные злоумышленникам уязвимости.

В любом случае, даже временное избавление от вирусов решает множество проблем: чистый сайт возвращается обратно в выдачу поисковиков и перестаёт представлять опасность для пользователей.

Предиктивная модель - эффективный инструмент поддержки принятия бизнес-решений. Создание такой модели - процесс поиска закономерностей с использованием алгоритмов машинного обучения (Mashine Lerning) в существующем наборе исторических данных (обучение модели) для предсказания наиболее вероятных вариантов развития событий в будущем (применение модели).

Классифицирующая модель позволяет разбить большой массив данных на группы (классы), характеризующиеся сходным набором признаков, используя явные и неявные закономерности. Применение такой модели, позволяет, например, определить группы пользователей, характеризующихся определенным поведением и сделать им предложения, интересные именно для них.

Для обеспечения качества работы модели необходим тщательный отбор и подготовка входных данных. Также может возникнуть необходимость во внешних данных. Результатом моей работы будет:

1) сама модель в формате, определяемом выбранной моделью (например, в случае линейных моделей это будет вектор весов каждого из факторов. Вес фактора определяет степень его влияния на результат)

2) отчет о валидности (точности предсказания) модели

3) файл с результатами применения модели к исследуемому набору данных