用于网络异常检测的鲁棒主成分分析
密码学与安全
2018-01-08 v1
摘要
本文利用网络数据包捕获数据展示鲁棒主成分分析（RPCA）如何以一种新方式用于检测作为网络攻击指标的异常。该方法仅需使用分区训练数据学习少量参数，并有望缓解对各类网络攻击详尽示例集的需求。对于林肯实验室的DARPA入侵检测数据集，该方法在单个数据包上实现了低误报率，同时保持合理的真阳率。此外，该方法正确检测出了包含此前未遇到或未训练的攻击的数据包流。
引用
@article{arxiv.1801.01571,
title = {Robust PCA for Anomaly Detection in Cyber Networks},
author = {Randy Paffenroth and Kathleen Kay and Les Servi},
journal= {arXiv preprint arXiv:1801.01571},
year = {2018}
}
备注
10 pages, 8 figures