基于 NetFlow 数据的广义内部攻击检测实现
密码学与安全
2020-10-30 v1 机器学习
摘要
商业网络中的内部攻击检测是一个关键问题，目前尚无良好解决方案。该问题具有挑战性，原因在于对实时网络缺乏可见性，且缺乏区分不同攻击的标准特征集。在本文中，我们研究了一种以网络数据为中心来识别攻击的方法。我们的工作建立在无监督机器学习技术（如单类 SVM 与双聚类）作为内部网络攻击弱指示器的基础上。我们通过使用单类 SVM 来核查所提出的双聚类算法检测到的异常，将这些技术结合，从而将误报数量限制在真实部署所需的可接受水平。我们给出了一个 Python 原型实现以及针对两个不同真实代表性数据集的相关结果。我们表明，我们的方法在真实环境中是一种有前景的内部攻击检测工具。
引用
@article{arxiv.2010.15697,
title = {Generalized Insider Attack Detection Implementation using NetFlow Data},
author = {Yash Samtani and Jesse Elwell},
journal= {arXiv preprint arXiv:2010.15697},
year = {2020}
}
备注
7 pages, 4 figures