基于图像的特征表示用于内部威胁分类
密码学与安全
2021-06-29 v1 计算机视觉与模式识别
机器学习
摘要
内部人员是组织中的可信实体，但对拥有敏感信息网络和资源的访问权构成潜在威胁。内部威胁检测是安全分析中的一个被广泛研究的问题。从数据源中识别特征并将其与恰当的数据分析算法结合使用，使各类威胁分析成为可能。内部威胁分析主要使用从数据源可用原始数据中提取的基于频率的属性来完成。本文中，我们提出一种基于图像的特征表示，用于刻画组织内用户的每日资源使用模式。从组织审计文件中提取的特征被表示为灰度图像。因此，这些图像被用于表征资源访问模式并进而表征用户行为。分类模型被应用于这些代表性图像以检测内部人员的异常行为。图像被分类为恶意与非恶意。所提表示的有效性使用 CMU CERT 数据 V4.2 以及 Mobilenet、VGG 和 ResNet 等先进图像分类模型进行了评估。实验结果显示精度有所提升。与现有工作的比较显示了在高召回率与高精度值方面的性能改进。
引用
@article{arxiv.1911.05879,
title = {Image-Based Feature Representation for Insider Threat Classification},
author = {Gayathri R G and Atul Sajjanhar and Yong Xiang},
journal= {arXiv preprint arXiv:1911.05879},
year = {2021}
}
备注
8 pages, 5 figures