从 MAWILab 轨迹生成带标签流数据用于网络入侵检测
网络与互联网体系结构
2018-10-05 v1 密码学与安全
摘要
在现代网络空间世界中，直接识别网络连接上的恶意活动是一个日益严重的问题。过去几年机器学习行业的蓬勃发展导致了机器学习技术使用量的增加，这些技术在网络入侵检测研究界尤其普遍。在使用这些相当现代的技术时，该界已意识到数据集对于识别恶意数据包和连接至关重要，特别是那些带有标签信息以构建学习模型的数据集。然而，网络入侵检测界的研究人员缺乏公开可用的相关数据集。因此，在本文中，我们引入了一种方法，通过结合数据包元信息与 IDS 日志来推断标签，从而构建用于入侵检测研究的带标签流数据。具体而言，我们设计了一种兼容 NetFlow 的格式，因为大量网络设备（如路由器和交换机）能够从原始流量中导出 NetFlow 记录。这样一来，所提出的该方法将有助于研究人员获取相关的网络流数据集及标签信息。
引用
@article{arxiv.1810.01945,
title = {Generating Labeled Flow Data from MAWILab Traces for Network Intrusion Detection},
author = {Jinoh Kim and Caitlin Sim and Jinhwan Choi},
journal= {arXiv preprint arXiv:1810.01945},
year = {2018}
}
备注
4 pages