基于极值的网络攻击速率预测
密码学与安全
2016-03-25 v1 应用统计
摘要
理解网络攻击在何种程度以及哪些角度上可被预测十分重要。尽管其重要性显而易见，该问题直到最近我们提出使用创新的灰盒预测(gray-box prediction)方法才得到研究。该方法主张使用灰盒模型，其能适应数据所展现的统计特性/现象。具体地，我们展示了适应长程依赖(Long-Range Dependence, LRD)现象的灰盒模型能够提前1小时预测攻击速率(即单位时间内的攻击次数)，准确率为70.2-82.1\%。据我们所知，这是表明该领域预测可行性的首个结果。我们观察到预测误差部分源于模型无法预测大的攻击速率，其在统计学中被称为极值(extreme values)。这促使我们利用两种互补方法分析极值现象(extreme-value phenomenon)：极值理论(Extreme Value Theory, EVT)和时间序列理论(Time Series Theory, TST)。在本文中，我们展示了EVT可提供长期预测(例如提前24小时)，而灰盒TST模型可提前1小时预测攻击速率，准确率为86.0-87.9\%。我们探索了两种方法间的联系，并指出了未来研究方向。尽管我们的预测研究基于特定的网络攻击数据，我们的方法同样可应用于分析任何同类的网络攻击数据。
引用
@article{arxiv.1603.07432,
title = {Predicting Cyber Attack Rates with Extreme Values},
author = {Zhenxin Zhan and Maochao Xu and Shouhuai Xu},
journal= {arXiv preprint arXiv:1603.07432},
year = {2016}
}