基于知情行为聚类与建模的系统误用检测
密码学与安全
2019-07-02 v1 机器学习
摘要
网络安全的主要任务之一是识别对任意系统的恶意交互。当前，每次交互的日志信息几乎可以无限制地收集，但攻击的识别需要安全专家大量的精力与时间。我们提出一种通过对与系统交互的正常行为进行建模（特别是利用 LSTM 神经网络等机器学习方法）来识别欺诈活动的方法。为了以系统特定知识丰富建模，我们提出使用一种交互式可视化界面，使安全专家能够识别语义上有意义的交互簇。这些簇融合了领域知识，并通过知情机器学习实现更精确的行为建模。我们在一个包含登录与安全服务器管理接口交互日志的数据集上评估了所提方法。我们的实证结果表明，知情建模能够捕捉正常行为，进而可用于检测异常行为。
引用
@article{arxiv.1907.00874,
title = {System Misuse Detection via Informed Behavior Clustering and Modeling},
author = {Linara Adilova and Livin Natious and Siming Chen and Olivier Thonnard and Michael Kamp},
journal= {arXiv preprint arXiv:1907.00874},
year = {2019}
}
备注
9 pages including appendix, DSN Workshop on Data-Centric Dependability and Security (http://dcds.lasige.di.fc.ul.pt/)