构建入侵预测器的模块化框架
机器学习
2025-12-01 v1
摘要
我们研究了使用统计学习方法对 IT 系统进行自动化入侵预测的问题。焦点在于开发能够实时检测攻击并识别当前攻击阶段的在线攻击预测器。尽管近期文献中提出了此类预测器，但这些方法通常依赖于针对特定攻击类型和场景构建单一的预测器。鉴于 MITRE 框架中 catalog 了数百种攻击类型，为每种攻击类型训练单独的单一预测器是不可行的。本文提出了一种从可重用组件快速组装在线攻击预测器的模块化框架。这种模块化预测器的设计便于控制关键指标，如预测的及时性和准确性，以及它们之间的权衡。我们使用公开的数据集进行训练和评估，提供了众多模块化预测器的示例，展示了如何在训练期间从一组模块化组件中动态地组装一个有效的预测器。
引用
@article{arxiv.2511.23000,
title = {A Modular Framework for Rapidly Building Intrusion Predictors},
author = {Xiaoxuan Wang and Rolf Stadler},
journal= {arXiv preprint arXiv:2511.23000},
year = {2025}
}