基于Conformal Prediction的威胁情报繁殖方法

摘要：

未知网络威胁情报的获取和利用能力是当前网络空间安全领域的核心竞争力之一.网络威胁情报具有时效性短、变异速度快、数量大等特点.基于静态阈值的"0-1"检测方法无法充分利用和挖掘已知威胁情报的价值.文章提出一种基于Conformal Prediction算法的网络威胁情报繁殖方法,在LSTM和XGBoost算法基础上,引入了统计学习的可信度模型,通过Confidence和Credibility两个指标来度量威胁情报的可靠性,充分挖掘已知威胁情报的内在价值;通过控制显著性水平,繁殖出错概率可控的未知情报,提升对网络攻击扩散的预判和遏制能力.实验结果表明,该方法对DGA恶意域名检测的F1数值可达到90％以上,繁殖出DGA恶意域名的错误率在2.5％以下.

关键词：网络威胁情报、恶意域名、域名生成算法、一致性预测

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金[61872202;民航安全能力建设项目[PESA2018079,PESA2018082,PESA2019073,PESA2019074;计算机病毒防治技术国家工程实验室项目[发改办高技[2014]25号;中国民航大学信息安全测评中心开放课题[CAAC-ISECCA-201701;天津市新一代人工智能科技重大专项[19ZXZNGX00090

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：90-95