基于图的容器入侵检测中随机森林与隔离森林集成方法
密码学与安全
2023-06-27 v1
摘要
我们提出了一种结合有监督与无监督机器学习模型的新型解决方案，用于云容器内核级入侵检测。具体而言，该方案构建于在系统调用序列上训练的随机森林与隔离森林集成之上，这些系统调用收集于宿主机器的内核级。系统调用序列被转换为加权有向图，以获得容器行为的紧凑描述，并作为集成模型的输入。我们在受控环境中执行了一组实验，以针对云容器中已识别的两种最常见威胁测试我们的解决方案，结果表明我们能在被测攻击中实现高检测率与低误报率。
引用
@article{arxiv.2306.14750,
title = {Ensemble of Random and Isolation Forests for Graph-Based Intrusion Detection in Containers},
author = {Alfonso Iacovazzi and Shahid Raza},
journal= {arXiv preprint arXiv:2306.14750},
year = {2023}
}