面向内部威胁检测的用户跨域行为模式挖掘

• 作者: 孟丹 文雨 王伟平
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 内部威胁 多检测域 用户跨域行为分析 非负矩阵分解 高斯混合模型 机器学习
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 数据挖掘、机器学习与类脑智能
• 页码范围: 1555-1569
• 页数: 15页
• 分类号: TP311
• 字数: 13864字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2016.01555

摘要

内部用户行为分析是系统安全领域中一个重要的研究问题。近期的工作主要集中在用户单域行为的单一模式分析技术，同时依赖于领域知识和用户背景，不适用于多检测域场景。文中提出一种新的用户跨域行为模式分析方法。该方法能够分析用户行为的多元模式。此外，该方法是完全数据驱动的方法，不需要依赖相关领域知识和用户背景属性。最后作者基于文中的用户行为模式分析方法设计了一种面向内部攻击的检测方法。在实验中，作者使用文中方法分析了真实场景中的5种用户审计日志，实验结果验证了文中分析方法在多检测域场景中分析用户行为多元模式的有效性，同时文中检测方法优于两种已有方法：单域检测方法和基于单一行为模式的检测方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟丹	中国科学院信息工程研究所	68	909	15.0	28.0
2	王伟平	中国科学院信息工程研究所	18	334	8.0	18.0
3	文雨	中国科学院信息工程研究所	3	47	2.0	3.0