基于网络流统计数据的伪装入侵检测

• 作者: 刘文怡 王轶骏 薛质
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 伪装入侵 支持向量机 网络流 机器学习 分类器 隐私保护
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 安全技术
• 页码范围: 84-87
• 页数: 4页
• 分类号: TP309.1
• 字数: 4137字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.07.016

摘要

伪装入侵是指非授权用户伪装成合法用户进入系统访问关键数据或执行非法操作的行为，现有伪装入侵检测方法大多通过获取用户敏感数据对用户特征进行建模。针对上述问题，提出一种基于网络流统计数据的伪装入侵检测方法，使用网络流统计数据作为用户特征，并结合AdaBoost与支持向量机对用户特征进行训练与预测。在一个真实网络抓包数据集上的实验结果表明，该方法能在有效抵御伪装入侵的同时不侵犯用户隐私，系统检测率为97.5%、误报率为1.1%，且系统检测延时仅为毫秒级，证明了其检测性能优于现有伪装入侵检测方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛质	上海交通大学电子信息与电气工程学院	274	1489	18.0	25.0
2	王轶骏	上海交通大学电子信息与电气工程学院	80	388	10.0	15.0
3	刘文怡	上海交通大学电子信息与电气工程学院	1	6	1.0	1.0