DenDrift:一种漂移感知的主机画像算法
机器学习
2021-10-05 v1
摘要
检测并响应未授权行为是安全监控中的一项基本任务。使该任务具有挑战性的是需监控的主机和进程数量庞大且类别繁多。此外还应加上每一类正常行为缺乏精确定义。使用流聚类算法的主机画像是一种分析主机行为、对其分类并识别异常主机的有效手段。然而,行为数据中的不可预见变化(即概念漂移)使所得画像不可靠。DenStream 是一种著名的流聚类算法,可有效用于主机画像。该算法是 DBSCAN 的增量扩展,而 DBSCAN 是真实世界聚类应用中广泛使用的非参数算法。近期实验研究表明 DenStream 对概念漂移不具鲁棒性。本文中,我们提出 DenDrift 作为一种基于 DenStream 的漂移感知主机画像算法。DenDrift 依赖非负矩阵分解进行降维,以及 Page-Hinckley 检验进行漂移检测。我们在合成和工业数据集上进行了实验,结果证实了 DenDrift 对突变、渐变和增量漂移的鲁棒性。
引用
@article{arxiv.2110.01221,
title = {DenDrift: A Drift-Aware Algorithm for Host Profiling},
author = {Ali Sedaghatbaf and Sima Sinaei and Perttu Ranta-aho and Marko Koskinen},
journal= {arXiv preprint arXiv:2110.01221},
year = {2021}
}