基于几何变换的图像化内部威胁检测
密码学与安全
2021-08-25 v1
摘要
内部威胁检测数十年来一直是一项具有挑战性的任务，现有方法通常采用传统的生成式无监督学习方法来构建正常用户行为模型，并将显著偏差检测为异常。然而，这类方法在精度和计算复杂度方面存在不足。本文提出了一种新颖的内部威胁检测方法——基于几何变换的图像化内部威胁检测器（IGT），它将无监督异常检测转化为有监督图像分类任务，从而可以通过计算机视觉技术提升性能。具体而言，我们的 IGT 通过将审计日志转换为灰度图像，使用了一种新颖的基于图像的用户行为特征表示。通过对这些行为灰度图像应用多种几何变换，IGT 构建了一个自标记数据集，然后以自监督方式训练行为分类器来检测异常。我们提出方法的动机在于，由正常行为数据转换而来的图像可能包含独特的潜在特征，这些特征在几何变换后保持不变，而恶意行为图像则不能。在 CERT 数据集上的实验结果表明，IGT 优于经典的基于自编码器的无监督内部威胁检测方法，并将基于实例和基于用户的受试者工作特征曲线下面积（AUROC）分别提高了 4% 和 2%。
引用
@article{arxiv.2108.10567,
title = {Image-based Insider Threat Detection via Geometric Transformation},
author = {Dongyang Li and Lin Yang and Hongguang Zhang and Xiaolei Wang and Linru Ma and Junchao Xiao},
journal= {arXiv preprint arXiv:2108.10567},
year = {2021}
}
备注
15 pages, 8 figures,6 tables