基于无监督学习的企业网络微隔离安全方法
密码学与安全
2020-03-26 v1
摘要
微隔离是一种需要为每个唯一网段提供服务的网络安全技术。为此，第一阶段是定义这些唯一网段（又称安全组），然后初始化策略驱动的安全控制。在本文中，我们提出一种覆盖安全分组和策略创建两方面的无监督学习技术。对于网络资产分组，我们开发了基于距离的机器学习算法，利用资产的动态行为。即在观察整个网络日志后，我们的无监督学习算法建议将网络资产划分成组。该无监督技术的一个关键点是分组仅在训练阶段生成，并在测试阶段保持有效。分组阶段的输出随后被输入到规则（安全策略）创建阶段，从而能够将安全组确立为防火墙规则的最低粒度。我们进行了定量和定性实验，证明了我们的网络微隔离方法的良好性能。我们进一步开发了原型，以在真实环境中大规模验证我们方法的运行时性能。我们方法的超参数为用户提供了一个灵活的模型，可轻松微调以适配企业的安全治理。
引用
@article{arxiv.2003.11231,
title = {Unsupervised Learning for security of Enterprise networks by micro-segmentation},
author = {Mahmood Yousefi-Azar and Mohamed-Ali Kaafar and Andy Walker},
journal= {arXiv preprint arXiv:2003.11231},
year = {2020}
}