利用深度生成模型在Active Directory图中扩展蜜罐用户
密码学与安全
2021-09-15 v1 机器学习
摘要
Active Directory（AD）是大型组织的关键要素，因其在管理资源访问中的核心作用。由于组织内所有用户均使用AD，难以检测攻击者。我们提出在AD结构中生成并放置虚假用户（蜜罐用户）以辅助检测攻击。然而，并非任意蜜罐用户都能吸引攻击者。我们的方法使用变分自编码器生成蜜罐用户，以位置良好的蜜罐用户丰富AD结构。它首先学习AD中原始节点与边的嵌入，随后使用改进的双向DAG-RNN编码节点表示的潜空间概率分布参数。最后，它从该分布中采样节点并使用MLP决定节点连接位置。该模型通过生成AD与原始AD的相似性、新节点位置、与GraphRNN的相似性，以及最终让真实入侵者攻击生成的AD结构以观察其是否选择蜜罐用户来进行评估。结果表明，我们的机器学习模型足以针对现有AD结构生成位置良好的蜜罐用户，从而引诱入侵者。
引用
@article{arxiv.2109.06180,
title = {Deep Generative Models to Extend Active Directory Graphs with Honeypot Users},
author = {Ondrej Lukas and Sebastian Garcia},
journal= {arXiv preprint arXiv:2109.06180},
year = {2021}
}
备注
2nd International Conference on Deep Learning Theory and Applications - DeLTA2021