基于图注意力网络的多视角BGP异常检测框架
机器学习
2021-12-28 v1 人工智能
网络与互联网体系结构
摘要
作为互联网上交换路由可达性信息的默认协议，边界网关协议（BGP）流量中的异常行为与互联网异常事件密切相关。BGP异常检测模型通过其实时监控与告警能力保障互联网路由服务的稳定。以往研究要么关注特征选择问题，要么关注数据中的记忆特性，却忽略了特征之间的关系以及特征中精确的时间相关性（无论是长期还是短期依赖）。本文提出一种多视角模型，用于从BGP更新流量中捕捉异常行为，其中采用局部加权回归的季节趋势分解（STL）方法降低原始时间序列数据中的噪声，并分别使用图注意力网络（GAT）来发现特征关系与特征中的时间相关性。我们的结果在异常检测任务上优于当前最先进（SOTA）方法，在平衡与不平衡数据集上的平均F1分数分别达到96.3%和93.2%。同时，我们的模型可扩展用于分类多种异常并检测未知事件。
引用
@article{arxiv.2112.12793,
title = {A Multi-View Framework for BGP Anomaly Detection via Graph Attention Network},
author = {Songtao Peng and Jiaqi Nie and Xincheng Shu and Zhongyuan Ruan and Lei Wang and Yunxuan Sheng and Qi Xuan},
journal= {arXiv preprint arXiv:2112.12793},
year = {2021}
}
备注
12 pages, 8 figures