利用组织数据与异构堆叠分类器预测恶意内部威胁场景
密码学与安全
2019-07-25 v1
摘要
内部威胁持续对信息安全社区构成重大挑战。尽管该领域不断进行研究，但该社区的需求与当前可用解决方案之间仍存在巨大差距。本文使用 CERT 数据集 r4.2 以及一系列机器学习分类器来预测特定恶意内部威胁场景的发生，即在离开组织前将敏感信息上传至维基解密。这些算法被聚合为一个元分类器，其预测性能强于其组成模型。它还定义了一种将组织日志数据预处理为每日用户摘要以进行分类的方法，并用于训练多个分类器。此外还应用了 Boosting 以优化分类器准确率。总体而言，通过分析相关的混淆矩阵和受试者工作特征（ROC）曲线对模型进行评估，并将性能最佳的分类器聚合为集成分类器。该元分类器的准确率为 \textbf{96.2\%}，ROC 曲线下面积为 \textbf{0.988}。
引用
@article{arxiv.1907.10272,
title = {Predicting Malicious Insider Threat Scenarios Using Organizational Data and a Heterogeneous Stack-Classifier},
author = {Adam James Hall and Nikolaos Pitropakis and William J Buchanan and Naghmeh Moradpoor},
journal= {arXiv preprint arXiv:1907.10272},
year = {2019}
}