风险校准的贝叶斯流式入侵检测与SRE对齐决策
密码学与安全
2025-10-14 v1 机器学习
摘要
我们提出了一种风险校准的流式入侵检测方法，该方法将贝叶斯在线变点检测（BOCPD）与站点可靠性工程（SRE）错误预算对齐的决策阈值相结合。BOCPD提供适应分布偏移和概念漂移的运行长度后验概率；我们通过优化误报和漏报预算下的预期运营成本，将这些后验概率映射到告警决策。我们详细介绍了风险模型、共轭更新以及每个事件O(1)的实现。一个具体的SRE示例展示了99.9%可用性SLO（每月43.2分钟错误预算）如何在漏报成本是误报10倍时产生接近0.91的概率阈值。我们在完整的UNSW-NB15和CIC-IDS2017基准测试上进行了评估，采用了时间顺序划分，并与强无监督基线（ECOD、COPOD和LOF）进行了比较。评估指标包括PR-AUC、ROC-AUC、Brier分数、校准可靠性图以及以事件数衡量的检测延迟。结果表明，与基线相比，在中高召回率下精确率-召回率有所提高，概率校准更好。我们发布了实现细节、超参数以及针对风险敏感性和计算开销的消融实验。代码和可复现材料将在发表后提供；数据集和实现可向通讯作者合理请求获取。
引用
@article{arxiv.2510.09619,
title = {Risk-Calibrated Bayesian Streaming Intrusion Detection with SRE-Aligned Decisions},
author = {Michel Youssef},
journal= {arXiv preprint arXiv:2510.09619},
year = {2025}
}
备注
11 pages, 7 figures. Primary category: cs.CR; cross-list: cs.LG, stat.ML. Implementation code and datasets are available from the corresponding author upon reasonable request. Code and reproducibility materials will be made available upon publication