基于机器学习的用户行为异常检测模型

• 作者: 孙春来 段洣毅 田新广 邱志明 钱小军
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 入侵检测 异常检测 行为模式 机器学习 相似度
• 年，卷（期）: 2006,（19）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 101-103,111
• 页数: 4页
• 分类号: TP393
• 字数: 5860字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.19.033

摘要

针对Lane T等人提出的用户行为异常检测模型的不足,提出了一种新的IDS异常检测模型.该模型改进了用户行为模式和行为轮廓的表示方式,采用了新的相似度赋值方法,在对相似度流进行平滑时引入了"可变窗长度"的概念,并联合采用多个判决门限对用户行为进行判决.基于Unix用户shell命令数据的实验表明,该文提出的检测模型具有更高的检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田新广	北京交通大学计算技术研究所	13	207	8.0	13.0
5	孙春来	北京交通大学计算技术研究所	12	153	7.0	12.0
6	段洣毅	北京交通大学计算技术研究所	10	86	6.0	9.0
7	钱小军	北京交通大学计算技术研究所	1	11	1.0	1.0
8	邱志明		64	445	11.0	17.0