基于共识-贝叶斯框架的企业目录访问图恶意活动检测
机器学习
2026-03-05 v2 密码学与安全
摘要
本工作提出了一种基于共识的贝叶斯框架，用于检测企业目录访问图中的恶意用户行为。通过将目录建模为主题、用户建模为代理，构建多层次互动图，并利用影响加权意见动力学模拟访问演化。逻辑依赖通过动态矩阵C_i 编码，目录相似性通过共享影响矩阵W捕获。恶意行为被注入为违反强连通分量( SCCs)结构规范的跨组件逻辑扰动。我们运用意见动力学文献中的理论保证，确定主题收敛性，通过缩放意见方差检测异常。为量化不确定性，我们引入一种随时间演化的贝叶斯异常评分机制，利用静态和在线先验。合成访问图的仿真实验验证了我们方法的有效性，表明其对逻辑不一致具有较强灵敏度，在动态扰动下展现出良好的鲁棒性。
引用
@article{arxiv.2602.04027,
title = {A Consensus-Bayesian Framework for Detecting Malicious Activity in Enterprise Directory Access Graphs},
author = {Pratyush Uppuluri and Shilpa Noushad and Sajan Kumar},
journal= {arXiv preprint arXiv:2602.04027},
year = {2026}
}
备注
10 pages