基于信任的网络群体异常行为发现
现今大规模网络群体异常事件往往由多个复杂安全事件融合,且这些安全事件之间隐藏着社会化利益与联系,表现出典型的群体性与控制性.对恶意网络群体事件的感知与响应是网络安全管理的重要任务之一.传统的异常检测机制与基于偶图模型的群体异常行为发现方法均未深入分析这些恶意网络行为潜在的社会化关系,且没有考虑交互过程对节点关系的影响.基于此,文中提出一种基于信任的网络群体异常行为发现模型.该模型首先使用网络交互拓扑信息建立网络节点间的信任矩阵;进而结合直接信任度和相关信任度计算网络节点间的相似度,并通过松弛谱聚类算法中的约束条件,增强类数目的自动识别能力,提高节点聚类准确性.实验表明该模型交互能够有效感知网络中的分布式拒绝服务攻击、蠕虫与僵尸网络的异常行为,并对潜伏期内的安全事件行为有较高识别度,同时比基于偶图的行为分类模型具有更高的准确性.
网络行为、行为聚类、网络信任、信任计算
37
TP394(计算技术、计算机技术)
the National High Technology Research and Development Program 863 Program of ChinaGrant 2011AA010705;National Basic Research Program of China 973 Program of ChinaGrant 2011CB302605;the National Natural Science Foundation of China Grant Nos.61173145,60203021.本课题得到国家“八六三”高技术研究发展计划项目基金2011AA010705;国家“九七三”重点基础研究发展规划项目基金2011CB302605;国家自然科学基金61173145,60203021
2014-03-07（万方平台首次上网日期，不代表论文的发表时间）
共14页
1-14
