基于机器学习的用户实体行为分析技术在账号异常检测中的应用

• 作者: 何帅 刘博 孙佳 范渊 莫凡
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 用户实体行为分析 机器学习 内部威胁 账号失陷 异常检测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 安全与保密
• 页码范围: 1262-1267
• 页数: 6页
• 分类号: TP181
• 字数: 5251字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.05.035

摘要

伴随企业业务的不断扩增和电子化发展,企业自身数据和负载数据都开始暴增.然而,作为企业核心资产之一的内部数据,却面临着日益严峻的安全威胁.越来越多以周期长、频率低、隐蔽强为典型特征的非明显攻击绕过传统安全检测方法,对大量数据造成损毁.当前,用户实体行为分析(User and Entity Behavior Analytics,UEBA)系统正作为一种新兴的异常用户检测体系在逐步颠覆传统防御手段,开启网络安全保卫从“被动防御”到“主动出击”的新篇章.因此,将主要介绍UEBA在企业异常用户检测中的应用情况.首先,通过用户、实体、行为三要素的关联,整合可以反映用户行为基线的各类数据;其次,定义4类特征提取维度,有效提取几十种最能反映用户异常的基础特征;再次,将3种异常检测算法通过集成学习方法用于异常用户建模;最后,通过异常打分,定位异常风险最大的一批用户.在实践中,对排名前10的异常用户进行排查,证明安恒信息的UEBA落地方式在异常用户检测中极其高效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范渊		13	34	4.0	5.0
2	莫凡		1	0	0.0	0.0
3	何帅		1	0	0.0	0.0
4	孙佳		1	0	0.0	0.0
5	刘博		1	0	0.0	0.0