基于分层预测与极值理论的异常网络节点检测
密码学与安全
2026-05-26 v3
摘要
针对工业网络的网络攻击不断演变，降低了基于特征的检测方法的有效性。一旦恶意软件渗透到网络中（例如，通过不安全的设备进入），它就可以感染更多的网络节点并执行恶意活动。受感染节点在网络中使用地址解析协议（ARP）调用时可能表现出异常行为。为了检测此类异常节点，我们提出了一种两阶段方法：通过分层时间序列预测方法对ARP调用行为进行建模；利用极值理论（EVT）稳健地检测与预期行为的偏差是否为异常。EVT能够处理互联网流量呈现的重尾分布。在包含来自362个节点的超过1000万次ARP调用的真实数据集上的实证评估表明，所提出的方法显著降低了误报数量，解决了安全专业人员普遍报告的警报疲劳问题。
引用
@article{arxiv.2304.13941,
title = {Detection of Anomalous Network Nodes via Hierarchical Prediction and Extreme Value Theory},
author = {Sevvandi Kandanaarachchi and Mahdi Abolghasemi and Hideya Ochiai and Asha Rao and Conrad Sanderson},
journal= {arXiv preprint arXiv:2304.13941},
year = {2026}
}