用于协作预测性黑名单的受控数据共享
密码学与安全
2015-04-17 v2 网络与互联网体系结构
摘要
尽管跨组织共享数据通常被视为增强网络安全的有效途径，但由于保密性、信任和责任方面的挑战，协作倡议很少得以实施。在本文中，我们研究是否可以通过受控数据共享的方法实现协作威胁缓解，即各组织就共享与否以及共享程度做出知情决策。通过使用适当的密码学工具，实体可以在保护隐私的方式下估算协作的收益并就共享内容达成一致，而无需披露其数据集。我们聚焦于协作预测性黑名单，即基于自身日志和其他组织贡献的日志来预测攻击来源。我们通过在Dshield收集的两亿个可疑IP地址数据集上进行实验，研究了不同共享策略的影响。我们发现，受控数据共享平均可带来高达105%的准确率提升，同时降低了误报率。
引用
@article{arxiv.1502.05337,
title = {Controlled Data Sharing for Collaborative Predictive Blacklisting},
author = {Julien Freudiger and Emiliano De Cristofaro and Alex Brito},
journal= {arXiv preprint arXiv:1502.05337},
year = {2015}
}
备注
A preliminary version of this paper appears in DIMVA 2015. This is the full version. arXiv admin note: substantial text overlap with arXiv:1403.2123