MAD-MulW：面向 BGP 安全事件的多窗口异常检测框架
密码学与安全
2023-12-19 v1
摘要
近年来，各类国际安全事件频发并在现实社会与网络空间之间产生交互。由于数据量巨大，传统流量监控主要关注事件的局部异常状态。基于 BGP 的事件监控使得对国际事件进行差异化分析成为可能。对于许多现有的流量异常检测方法，我们观察到基于窗口的降噪策略有效提高了时间序列异常检测的成功率。受此观察启发，我们提出了一种无监督异常检测模型 MAD-MulW，该模型结合了多窗口串行框架。首先，我们设计了 W-GAT 模块来自适应地更新窗口内的样本权重并保留尾部样本的更新信息，这不仅降低了离群样本的噪声，还避免了数据规模扩张带来的空间消耗。然后，基于预测重构的 W-LAT 模块既捕获了样本在一段时间内的波动趋势，又通过预测样本的重构增大了类间差异。我们的模型在多个 BGP 异常事件上进行了实验验证，平均 F1 分数超过 90\%，这证明了阶段窗口和自适应策略对时序模型效率和稳定性的显著提升效果。
引用
@article{arxiv.2312.11225,
title = {MAD-MulW: A Multi-Window Anomaly Detection Framework for BGP Security Events},
author = {Songtao Peng and Yiping Chen and Xincheng Shu and Wu Shuai and Shenhao Fang and Zhongyuan Ruan and Qi Xuan},
journal= {arXiv preprint arXiv:2312.11225},
year = {2023}
}
备注
10 pages, 8 figures