用于评测基于 AI 的安全应用的联邦 TON_IoT Windows 数据集
密码学与安全
2020-10-19 v1
摘要
现有网络安全方案基本基于知识模型开发，往往无法触发新型网络攻击族类。随着人工智能（AI），尤其是深度学习（DL）算法的兴起，这些安全方案已接入 AI 模型以发现、追踪、缓解或响应新安全事件的事件。算法需要大量异构数据源来训练与验证新型安全系统。本文介绍名为 ToN_IoT 的新数据集，其包含从 IoT 服务遥测数据集、Windows 与 Linux 操作系统数据集以及网络流量数据集收集的联邦数据源。本文给出 Windows 操作系统的 TON_IoT 数据集测试床与描述。测试床实现为边缘、雾与云三层。边缘层涉及 IoT 与网络设备，雾层包含虚拟机与网关，云层涉及数据分析等云服务并连接另两层。这些层使用 VMware NSX 与 vCloud NFV 平台通过软件定义网络（SDN）与网络功能虚拟化（NFV）动态管理。Windows 数据集收集自内存、处理器、网络、进程与硬盘的审计追踪。该数据集将用于评测各类基于 AI 的网络安全方案，包括入侵检测、威胁情报与狩猎、隐私保护与数字取证。这是因为数据集具有广泛的近期正常与攻击特征及观测，以及真实的 ground truth 事件。数据集可从该链接 [1] 公开获取。
引用
@article{arxiv.2010.08522,
title = {Federated TON_IoT Windows Datasets for Evaluating AI-based Security Applications},
author = {Nour Moustafa and Marwa Keshk and Essam Debie and Helge Janicke},
journal= {arXiv preprint arXiv:2010.08522},
year = {2020}
}