网络流量中的新颖性检测：利用生存分析进行特征识别
密码学与安全
2023-01-18 v1 人工智能
统计方法学
摘要
入侵检测系统是许多组织网络防御和弹性策略的重要组成部分。然而，这些系统的一个缺点是依赖已知的攻击签名来检测恶意网络事件。面对未知的攻击类型和零日漏洞，现代入侵检测系统往往力不从心。在本文中，我们引入了一种非常规方法，基于生存分析技术识别影响新颖性检测的网络流量特征。具体而言，我们结合了多个 Cox 比例风险模型，并实现了 Kaplan-Meier 估计，以预测分类器在任意给定时间注入未知网络攻击后识别出新颖性的概率。所提出的模型成功地将 PSH Flag Count、ACK Flag Count、URG Flag Count 和 Down/Up Ratio 确定为通过随机森林、贝叶斯岭回归和线性支持向量回归分类器影响新颖性检测的主要特征。
引用
@article{arxiv.2301.06229,
title = {Novelty Detection in Network Traffic: Using Survival Analysis for Feature Identification},
author = {Taylor Bradley and Elie Alhajjar and Nathaniel Bastian},
journal= {arXiv preprint arXiv:2301.06229},
year = {2023}
}
备注
6 pages, 1 figure, 2 tables