一种基于模型的异常检测方法：在检测时延与误报率之间权衡
密码学与安全
2020-06-17 v1 软件工程
摘要
现代计算系统的复杂性和普遍性为包括安全和隐私泄露在内的异常提供了肥沃的土壤。在本文中，我们提出了一种新方法，以解决实现异常检测方法所面临的实际挑战。具体而言，在多样的云环境中全面定义正常行为并获取异常数据是具有挑战性的。为应对这些挑战，我们聚焦于基于系统性能特征的异常检测方法。特别是，性能特征具有检测零日攻击的潜力，因为这类方法基于检测性能偏差，且不需要攻击历史的详细知识。所提出的方法利用解析性能模型和实验，并以原则性方式控制误报率。该方法使用 TPCx-V 工作负载进行评估，该工作负载在一组执行过程中被剖析，使用了模拟影响系统性能的异常效应的资源耗尽异常。所提出的方法能够成功检测异常，且误报数量少（精确率 90%–98%）。
引用
@article{arxiv.2006.08811,
title = {A Model-Based Approach to Anomaly Detection Trading Detection Time and False Alarm Rate},
author = {Charles F. Gonçalves and Daniel S. Menasché and Alberto Avritzer and Nuno Antunes and Marco Vieira},
journal= {arXiv preprint arXiv:2006.08811},
year = {2020}
}
备注
2020 Mediterranean Communication and Computer Networking Conference (MedComNet)