面向基于机器学习的威胁检测的协同信息共享
密码学与安全
2021-04-26 v1
摘要
近年来，协同攻击活动开始在互联网上变得更加普遍。2017年5月，WannaCry 在几天内感染了150个国家的超过300,000台机器，并对关键基础设施造成了重大影响。现有的威胁共享平台难以适应新兴的攻击模式。与此同时，企业开始在其本地网络中采用基于机器学习的威胁检测工具。在本文中，我们提出一个问题：防御者可以跨多个网络共享哪些信息，以帮助基于机器学习的威胁检测适应新的协同攻击？我们提出了跨两个网络的三种信息共享方法，并展示了如何在机器学习网络流量模型中使用共享信息，以显著提升其检测规避性自传播恶意软件的能力。
引用
@article{arxiv.2104.11636,
title = {Collaborative Information Sharing for ML-Based Threat Detection},
author = {Talha Ongun and Simona Boboila and Alina Oprea and Tina Eliassi-Rad and Alastair Nottingham and Jason Hiser and Jack Davidson},
journal= {arXiv preprint arXiv:2104.11636},
year = {2021}
}
备注
6 pages, 5 figures. To be published in AI4CS-SDM2021