利用概率 PCA 模型理解用于网络安全异常检测的多元统计网络监控框架
机器学习
2023-02-06 v1 机器学习
摘要
网络异常检测是当今一个非常相关的研究领域，特别是由于其在网络安全领域的多种应用。基于变分自编码器和生成对抗网络的新模型的兴起，促使人们重新评估传统的异常检测技术。然而，至关重要的是，能够从多年评估用于异常检测的网络安全数据所获得的经验视角来理解这些新模型。在本文中，我们从概率生成模型的角度重新审视了基于 PCA 的异常检测技术，并贡献了一个将它们联系起来的数学模型。具体来说，我们从概率 PCA 模型开始，并解释其与多元统计网络监控（MSNM）框架的联系。MSNM 最近被成功提出，作为将工业过程异常检测经验引入网络领域的一种手段。我们使用两个不同的数据集评估了该数学模型。第一个是合成数据集，用于更好地理解所提出的分析；第二个是 UGR'16，这是一个专门为网络安全异常检测设计的真实流量数据集。我们得出了一些结论，我们认为这些结论在将生成模型应用于网络安全检测时是有用的。
引用
@article{arxiv.2302.01759,
title = {Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection},
author = {Fernando Pérez-Bueno and Luz García and Gabriel Maciá-Fernández and Rafael Molina},
journal= {arXiv preprint arXiv:2302.01759},
year = {2023}
}