基于损失引导遮蔽的智能家居中面向时间的用户行为异常检测
密码学与安全
2024-06-19 v2 人工智能
网络与互联网体系结构
摘要
受互联网技术驱动的智能家居提供了便利，同时也因异常行为（如用户操作不当或来自恶意攻击者的攻击）带来安全隐患。已提出若干行为建模方法以识别异常行为并缓解潜在风险，但其性能常常不足，因为未能有效学习较少出现的行为、考虑时间语境或消除人类行为噪声的影响。本文提出了 SmartGuard，一种基于自编码器的无监督用户行为异常检测框架。首先，我们设计了损失引导动态遮蔽策略（LDMS），以鼓励模型学习较少出现的行为；其次，我们提出了三层时感知位置嵌入（TTPE），将时间信息纳入位置嵌入以检测时间语境下的异常；最后，我们提出了噪声感知加权重构损失（NWRL），为常规行为和噪声行为分配不同权重，以减轻噪声行为在推断过程中的干扰。在三个数据集上进行的全面实验表明，SmartGuard 持续优于最先进的基线方法，并能提供高度可解释的结果。
引用
@article{arxiv.2406.10928,
title = {Make Your Home Safe: Time-aware Unsupervised User Behavior Anomaly Detection in Smart Homes via Loss-guided Mask},
author = {Jingyu Xiao and Zhiyao Xu and Qingsong Zou and Qing Li and Dan Zhao and Dong Fang and Ruoyu Li and Wenxin Tang and Kang Li and Xudong Zuo and Penghui Hu and Yong Jiang and Zixuan Weng and Michael R. Lyv},
journal= {arXiv preprint arXiv:2406.10928},
year = {2024}
}
备注
KDD 2024