基于K-means和naive Bayes的数据库用户行为异常检测研究

• 作者: 何发镁 冯安然 杨杰 王旭仁 马慧珍
• 来源期刊: 计算机应用研究
• 关键词: 数据库 用户行为 异常检测 K-means聚类 naiveBayes分类算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1128-1131
• 页数: 4页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.09.0755

摘要

针对数据库用户行为异常导致数据库泄露问题,提出了一种基于K-means和naive Bayes算法的数据库用户异常检测方法.首先,利用数据库历史审计日志中用户的查询语句与查询结果,采用K-means聚类方法得到用户的分组;然后,使用naive Bayes分类算法构造用户异常检测模型.与单独使用naive Bayes分类法构造的模型相比,在数据预处理时其精简了用户行为轮廓的表示方法,降低了计算冗余,减少了81％的训练时间;利用K-means聚类方法得到用户组别,使检测的精确率提高了7.06％,F1值提高了3.33％.实验证明,所提方法大幅降低了训练时间,取得了良好的检测效果.