基于模式挖掘与聚类的网络安全培训学员自动化评估
密码学与安全
2023-07-21 v1 计算机与社会
机器学习
摘要
动手式网络安全培训使学员与专业人员能够练习各类工具并提升技术技能。培训在交互式学习环境中进行，该环境支持在完整的操作系统、网络与应用中完成复杂任务。培训期间，学习环境可收集学员与环境交互的数据，例如其对命令行工具的使用情况。这些数据包含表征学员学习过程的模式，揭示这些模式有助于评估学员并提供反馈以促进其学习。然而，对这些数据的自动化分析颇具挑战。培训任务涉及复杂的问题求解，且可能存在多种不同的解决途径。此外，学员会生成海量的交互数据。本文运用数据挖掘与机器学习技术，对一个来自 18 次网络安全培训会话的数据集进行探索。我们采用模式挖掘与聚类分析了从 113 名学员收集的 8834 条命令，揭示了他们的典型行为、错误、解决策略以及困难的培训阶段。模式挖掘被证明适用于捕捉时序信息与工具使用频率。聚类则强调许多学员常面临相同问题，可通过针对性支架式教学加以解决。我们的结果表明，数据挖掘方法适用于分析网络安全培训数据。教育研究者与实践者可在其场景中应用这些方法以评估学员、提供支持并改进培训设计。本研究相关制品已公开可用。
引用
@article{arxiv.2307.10260,
title = {Student Assessment in Cybersecurity Training Automated by Pattern Mining and Clustering},
author = {Valdemar Švábenský and Jan Vykopal and Pavel Čeleda and Kristián Tkáčik and Daniel Popovič},
journal= {arXiv preprint arXiv:2307.10260},
year = {2023}
}
备注
Published in Springer Education and Information Technologies, see https://link.springer.com/article/10.1007/s10639-022-10954-4