基于CGAN增强数据的情景式内部人员活动异常检测
密码学与安全
2021-07-09 v2 人工智能
神经与进化计算
摘要
内部威胁来自组织内部可信实体的网络攻击。真实世界数据的缺乏与数据不平衡问题使内部威胁分析成为一个研究不足的领域。为缓解类别分布偏斜的影响并证明多项分类算法在内部威胁检测中的潜力，我们提出一种将生成模型与监督学习相结合、利用深度学习进行多类分类的方法。该基于生成对抗网络（GAN）的内部检测模型引入条件生成对抗网络（CGAN）以丰富少数类样本，为多类异常检测提供数据。在基准数据集上进行的综合实验证明了引入GAN衍生的合成数据的有效性，以及内部活动分析中多类异常检测的能力。此外，该方法针对不同参数与性能指标与其他现有方法进行了比较。
引用
@article{arxiv.2102.07277,
title = {Anomaly Detection for Scenario-based Insider Activities using CGAN Augmented Data},
author = {R G Gayathri and Atul Sajjanhar and Yong Xiang and Xingjun Ma},
journal= {arXiv preprint arXiv:2102.07277},
year = {2021}
}
备注
8 pages, 4 figures