基于网络语言方法的网络数据异常检测
密码学与安全
2018-09-03 v1
摘要
随着网络数据量的持续增长，网络防御者面临必须分析的海量数据，以确保其网络的安全。此外，全球范围内不断有新型攻击被制造并实施。当前基于规则的方法在刻画和标记已知攻击方面行之有效，但面对新攻击或新型数据时通常失效。相比之下，无监督机器学习无需标记数据即可从大量网络流量中学习，具有显著优势。本文提出一种基于自然语言的技术（后缀树）应用于网络异常检测。我们阐述了一种利用网络数据特征生成“语言”的方法，实验结果表明将该技术应用于流类型数据取得了积极的初步成效。作为本工作的基本假设，我们主张恶意网络行为者在实施攻击时会在数据中留下可观测痕迹。本研究旨在识别这些痕迹并加以利用，从而在无需标记真值数据的情况下识别各类网络攻击。
引用
@article{arxiv.1808.10742,
title = {Anomaly Detection in Cyber Network Data Using a Cyber Language Approach},
author = {Bartley D. Richardson and Benjamin J. Radford and Shawn E. Davis and Keegan Hines and David Pekarek},
journal= {arXiv preprint arXiv:1808.10742},
year = {2018}
}