machetheDM/ml-ids-zero-trust-cloud
GitHub: machetheDM/ml-ids-zero-trust-cloud
该项目是一项基于机器学习的零信任架构云入侵检测研究，对多种 ML 模型在 ZTA 各支柱中的适用性进行了基准测试。
Stars: 0 | Forks: 0
# ML-IDS Zero Trust Cloud
### 基于 Machine Learning 的 Zero Trust 架构入侵检测
**网络安全理学硕士研究 — EC-Council University**
**发表于：ECCU Cyber Journal，2026**
[](https://www.eccu.edu/about-eccu/cyber-journal/)
[](https://python.org)
[](https://tensorflow.org)
[](https://scikit-learn.org)
[](LICENSE)
[](https://github.com/machetheDM/ml-ids-zero-trust-cloud)
[](https://eccu.edu)
## 📄 已发表研究
该项目产出了一篇发表在 EC-Council University Cyber Journal 上的研究论文：
**“缓解云托管电子商务 Web 应用中的 SQL 注入和跨站脚本攻击：云安全架构视角”**
在获得学术荣誉认可后入选 —— 在“高级网络防御”课程中以 96.9% 的成绩获得优异成绩（同届最高分）。
[阅读完整论文 →](https://www.eccu.edu/about-eccu/cyber-journal/)
## 🎯 研究目标
在 Zero Trust 架构（NIST SP 800-207）框架内对用于云入侵检测的 ML 模型进行基准测试 —— 确定哪种模型最适合每个 ZTA 支柱。
## 📊 结果
| 模型 | 准确率 | FPR | 最佳 ZTA 支柱 |
|-------|----------|-----|----------------|
| LSTM | **98.1%** | **1.8%** | 网络监控 |
| Random Forest | 96.3% | 2.4% | 身份验证 |
| XGBoost | 95.8% | 2.9% | 数据访问控制 |
| SVM | 94.1% | 3.7% | 应用安全 |
| Autoencoder | 91.2% | 5.1% | 异常检测 |
数据集：NSL-KDD（148,000 条记录）
## 🏗️ Zero Trust 架构框架
每个模型都映射到 6 阶段云安全实施路线图中的 NIST SP 800-207 ZTA 支柱：
1. 身份验证
2. 设备合规性
3. 网络分段
4. 应用安全
5. 数据访问控制
6. 监控与分析
## 🛠️ 技术栈
Python · TensorFlow · scikit-learn · XGBoost · Keras · NSL-KDD 数据集 · NIST SP 800-207 · Jupyter Notebooks
## 🎓 学术背景
网络安全理学硕士 — 云安全架构
EC-Council University，美国
课程：ECCU500 — 管理安全网络系统
学术荣誉：96.9% 优异成绩
## 👤 作者
**Dingaan Mahlatse Machethe**
📂 [作品集](https://mahlontebe.org.za/portfolio)
💼 [LinkedIn](https://linkedin.com/in/dingaan-mahlatse-machethe)
💻 [GitHub](https://github.com/machetheDM)
标签：Apex, Python, TensorFlow, 无后门, 机器学习, 网络安全, 逆向工具, 隐私保护, 零信任架构