鲁棒攻击图生成
机器学习
2022-06-17 v1 密码学与安全
摘要
我们提出一种学习对输入修改更具鲁棒性的自动机模型的方法。它迭代地将序列对齐到学习到的模型,将序列修改为其对齐版本,并重新学习模型。自动机学习算法通常非常擅长对软件系统的频繁行为建模。我们的解决方案也可用于学习不频繁序列中存在的行为,因为这些序列将被对齐到模型所表示的频繁序列。我们将我们的方法应用于 SAGE 工具,以从入侵警报中建模攻击者行为。在实验中,我们证明我们的算法学习到的模型能够处理诸如序列中增加和删除符号的噪声。此外,它学习到更简洁且更贴合训练数据的模型。
引用
@article{arxiv.2206.07776,
title = {Robust Attack Graph Generation},
author = {Dennis Mouwen and Sicco Verwer and Azqa Nadeem},
journal= {arXiv preprint arXiv:2206.07776},
year = {2022}
}
备注
Appeared at LearnAut '22