资产所有权识别：使用机器学习预测企业资产所有权
机器学习
2023-12-19 v1
摘要
资产所有者识别是任何信息安全组织的首要步骤，它使组织能够识别和检测数据泄露与丢失、漏洞、可能的攻击面，并制定有效的应对措施。本研究利用现有的资产所有权数据，采用多种机器学习算法来确定预测资产所有者的最佳分类模型。研究对每个列举的团队分别进行分析，然后对Adaboost、逻辑回归、朴素贝叶斯、分类与回归树以及随机森林进行了100次迭代的蒙特卡洛交叉验证。最后，创建了一个可视化仪表盘，通过交互式探索性数据分析帮助用户理解资产清单，并能够理解每个模型的评估指标，包括准确率、灵敏度和特异度。总体而言，Adaboost在所有所有者中表现最佳，测试误差低于5%，而朴素贝叶斯表现最差。其余模型表现相似。完全限定域名（FQDN）、无类别域间路由（CIDR）/16和位置是最重要的特征之一。
引用
@article{arxiv.2312.10266,
title = {Asset Ownership Identification: Using machine learning to predict enterprise asset ownership},
author = {Craig Jacobik},
journal= {arXiv preprint arXiv:2312.10266},
year = {2023}
}
备注
7 pages, 3 figures