多元网络风险建模：深度学习结合极值理论
应用统计
2021-03-16 v1 机器学习
摘要
网络风险建模在网络安全领域一直是一项重要但具有挑战性的任务。这主要源于风险模式的高维度和重尾特征。这些障碍阻碍了多元网络风险统计建模的发展。在本工作中，我们提出了一种基于深度学习和极值理论的多元网络风险建模新方法。所提模型不仅通过深度学习获得高精度的点预测，还能通过极值理论提供令人满意的高分位预测。模拟研究表明，所提模型能很好地刻画多元网络风险并提供令人满意预测性能。基于真实蜜罐攻击数据的实证证据也表明，所提模型具有非常令人满意的预测性能。
引用
@article{arxiv.2103.08450,
title = {Modeling Multivariate Cyber Risks: Deep Learning Dating Extreme Value Theory},
author = {Mingyue Zhang Wu and Jinzhu Luo and Xing Fang and Maochao Xu and Peng Zhao},
journal= {arXiv preprint arXiv:2103.08450},
year = {2021}
}
备注
25 pages