基于语义的学习：迈向语义感知的路由异常检测系统
网络与互联网体系结构
2024-02-27 v1
摘要
BGP是确保互联网全球连接的事实上的域间路由协议。然而，各种原因，如蓄意攻击或配置错误，可能导致BGP路由异常。传统的BGP路由异常检测方法需要网络操作员对路由进行大量人工调查。尽管机器学习已被应用于自动化该过程，但现有技术通常需要大量的训练开销（如大规模数据标注和特征工程），并且只产生不可解释的结果。为了解决这些局限性，本文提出了一种以名为BEAM的新型网络表示学习模型为中心的路由异常检测系统。BEAM的核心设计是通过融合BGP语义，准确学习互联网中每个自治系统（AS）的独特属性（定义为“路由角色”）。因此，给定BEAM，路由异常检测简化为在观察到新路由通告时发现意外的路由角色变化。我们实现了路由异常检测系统的原型，并对其性能进行了广泛评估。基于包含超过110亿条路由通告记录的18个真实世界RouteViews数据集的实验结果表明，我们的系统可以检测所有先前确认的路由异常，同时每1.8亿条路由通告最多只引入5个误报。我们还在一个大型ISP部署了我们的系统，进行了一个月的真实世界检测。在部署期间，我们的系统在野外检测到497个真实异常，平均每天仅1.65个误报。
引用
@article{arxiv.2402.16025,
title = {Learning with Semantics: Towards a Semantics-Aware Routing Anomaly Detection System},
author = {Yihao Chen and Qilei Yin and Qi Li and Zhuotao Liu and Ke Xu and Yi Xu and Mingwei Xu and Ziqian Liu and Jianping Wu},
journal= {arXiv preprint arXiv:2402.16025},
year = {2024}
}
备注
To be published in USENIX Security 2024