基于LSTM-Attention的内部威胁检测模型

摘要：

信息被内部人员非法泄露、复制、篡改,会给政府、企业造成巨大的经济损失.为了防止信息被内部人员非法窃取,文章提出一种基于LSTM-Attention的内部威胁检测模型ITDBLA.首先,提取用户的行为序列、用户行为特征、角色行为特征和心理数据描述用户的日常活动;其次,使用长短期记忆网络和注意力机制学习用户的行为模式,并计算真实行为与预测行为之间的偏差;最后,使用多层感知机根据该偏差进行综合决策,从而识别异常行为.在CERT内部威胁数据集上进行实验,实验结果表明,ITDBLA模型的AUC分数达0.964,具有较强的学习用户活动模式和检测异常行为的能力.

关键词：长短期记忆;注意力机制;用户和实体行为分析;内部威胁检测

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;国家重点研发计划;河北省科技厅科技计划

在线出版日期：2022-02-28（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：1-10