MambaITD：一种高效的跨模态 Mamba 网络用于内部威胁检测
密码学与安全
2025-08-11 v1 机器学习
摘要
企业面临着日益增加的内部威胁风险，而现有检测方法无法有效应对这些挑战，原因包括时序动态特征建模不足、计算效率和实时瓶颈以及跨模态信息孤岛问题。本文提出了一种新的内部威胁检测框架 MambaITD，基于 Mamba 状态空间模型和跨模态自适应融合。首先，多源日志预处理模块通过行为序列编码、间隔平滑和统计特征提取来对齐异构数据。其次，Mamba 编码器建模行为序列和间隔序列中的长程依赖关系，并结合门控特征融合机制动态地组合序列和统计信息。最后，我们提出了一种基于最大类间方差的自适应阈值优化方法，通过分析概率分布动态调整决策阈值，有效识别异常行为，缓解类别不平衡和概念漂移。与传统方法相比，MambaITD 在建模效率和特征融合能力方面显著优于基于 Transformer 的方法，为内部威胁检测提供了更有效的解决方案。
引用
@article{arxiv.2508.05695,
title = {MambaITD: An Efficient Cross-Modal Mamba Network for Insider Threat Detection},
author = {Kaichuan Kong and Dongjie Liu and Xiaobo Jin and Zhiying Li and Guanggang Geng and Jian Weng},
journal= {arXiv preprint arXiv:2508.05695},
year = {2025}
}
备注
Submitted to the 2025 IEEE International Conference on Data Mining (ICDM)