PHASE: 被动人类活动仿真评估
密码学与安全
2025-07-21 v1 人工智能
机器学习
网络与互联网体系结构
摘要
网络安全仿真环境，如网络靶场、蜜罐和沙箱，都需要真实的人类行为才能发挥作用，但目前尚不存在定量方法来评估合成用户人格的行为保真度。本文提出了 PHASE（Passive Human Activity Simulation Evaluation），一种机器学习框架，用于分析 Zeek 连接日志，区分人类与非人类活动，准确率超过 90%。PHASE 完全被动运行，仅依赖标准网络监控，无需任何用户侧仪表或可见的监控痕迹。所有用于机器学习的网络活动均通过 Zeek 网络设备收集，以避免引入不必要的网络流量或干扰仿真环境保真度的制造物。本文还提出了一种新颖的标注方法，利用本地 DNS 记录对网络流量进行分类，从而实现机器学习分析。此外，我们应用 SHAP（SHapley Additive exPlanations）分析揭示指示真实人类用户的时序和行为特征。在一个案例研究中，我们评估了一个合成用户人格，识别出削弱行为真实性的非人类模式。基于这些洞察，我们发展了一种修订后的行为配置，显著提高了合成活动的人类化，从而实现更真实、更有效的合成用户人格。
引用
@article{arxiv.2507.13505,
title = {PHASE: Passive Human Activity Simulation Evaluation},
author = {Steven Lamp and Jason D. Hiser and Anh Nguyen-Tuong and Jack W. Davidson},
journal= {arXiv preprint arXiv:2507.13505},
year = {2025}
}