SK-Tree：基于签名核的流式树上系统性恶意软件检测算法
密码学与安全
2021-09-30 v4
摘要
网络安全领域中机器学习算法的发展一直受到所涉及数据的复杂、层次化、序列化和多模态性质的阻碍。本文引入流式树（streaming tree）的概念，作为一种涵盖大量现实网络安全数据的通用数据结构。从基于主机的事件日志出发，我们将计算机进程表示为在连续时间中演化的流式树。利用签名核（signature kernel）的特性——这是一种近期作为学习复杂数据序列的领先技术而新兴的机器学习工具——我们开发了 SK-Tree 算法。SK-Tree 是一种用于流式树上系统性恶意软件检测的监督学习方法，其对底层流的 irregular sampling（不规则采样）和高维性具有鲁棒性。我们在公开可用的 DARPA OpTC 数据集的一部分上展示了 SK-Tree 检测恶意事件的有效性，取得了 98% 的 AUROC 分数。
引用
@article{arxiv.2102.07904,
title = {SK-Tree: a systematic malware detection algorithm on streaming trees via the signature kernel},
author = {Thomas Cochrane and Peter Foster and Varun Chhabra and Maud Lemercier and Cristopher Salvi and Terry Lyons},
journal= {arXiv preprint arXiv:2102.07904},
year = {2021}
}
备注
Published at IEEE-CSR (International Conference on Cybersecurity and Resilience) 2021