利用流挖掘和图挖掘的内网异常检测方法

摘要：

内网恶意内部活动的证据通常隐藏在大型数据流中,例如数月或数年累积的系统日志,然而数据流往往是无界的、不断变化的和未标记的.因此,为实现高度准确的异常检测,提出集成流挖掘和图挖掘的内网异常检测方法,在发挥图挖掘的无监督优势的同时,融入了流挖掘的良好自适应能力.采用集成的方法,通过集成分类和更新,当出现概念漂移时,保证集成适应当前概念,使之可以检测到内网恶意行为.实验证明基于集成的方法比传统的单模型方法更有效,可以有效识别随时间改变其行为来隐藏恶意活动的内网异常,在面对隐藏在大量数据流中的内网异常且无标记的数据时,所提出的基于流挖掘和图挖掘的集成方法是十分有意义的.

关键词：异常检测、图计算、内网异常、集成学习

所属期刊栏目：14

分类号：TP393.08(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61702474, 61602467 国家自然科学基金;the National Key Research and Development Program of China under Grant No. 2016QY03D0503 国家重点研发计划

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1154-1163