-
题名基于机器学习的用户与实体行为分析技术综述
被引量：16
- 1
-
-
作者
崔景洋
陈振国
田立勤
张光华
-
机构
河北科技大学信息科学与工程学院
北京天融信网络安全技术有限公司
华北科技学院河北省物联网监控工程技术研究中心
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第2期10-24,共15页
-
基金
国家重点研发计划项目(2018YFB0804701)
国家自然科学基金(62072239)
河北省科技厅科技计划项目(20377725D)。
-
文摘
随着网络安全技术的更新迭代,新型攻击手段日益增加,企业面临未知威胁难以识别的问题。用户与实体行为分析是识别用户和实体行为中潜在威胁事件的一种异常检测技术,广泛应用于企业内部威胁分析和外部入侵检测等任务。基于机器学习方法对用户和实体的行为进行模型建立与风险点识别,可以有效解决未知威胁难以检测的问题,增强企业网络安全防护能力。回顾用户与实体行为分析的发展历程,重点讨论用户与实体行为分析技术在统计学习、深度学习、强化学习等3个方面的应用情况,研究具有代表性的用户与实体行为分析算法并对算法性能进行对比分析。介绍4种常用的公共数据集及特征工程方法,总结两种增强行为表述准确性的特征处理方式。在此基础上,阐述归纳典型异常检测算法的优劣势,指出内部威胁分析与外部入侵检测的局限性,并对用户与实体行为分析技术未来的发展方向进行展望。
-
关键词
网络安全
用户与实体行为分析
异常检测
统计学习
深度学习
强化学习
-
Keywords
network security
User and Entity Behavior Analytics(UEBA)
anomaly detection
statistical learning
deep learning
reinforcement learning
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于模糊聚类的多类簇归属电力实体行为异常检测算法
被引量：5
- 2
-
-
作者
郭禹伶
左晓军
崔景洋
王颖
张光华
-
机构
国网河北省电力有限公司电力科学研究院
河北科技大学信息科学与工程学院
-
出处
《河北科技大学学报》
CAS
北大核心
2022年第5期528-537,共10页
-
基金
国家重点研发计划项目(2018YFB0804701)
国家自然科学基金(62072239)
河北省科技计划项目(20377725D)。
-
文摘
针对数字化主动电网中电力实体行为复杂化、攻击手段隐蔽化等问题,提出了一种基于模糊聚类的多类别归属异常检测算法。首先,对电力实体行为相似性的度量方式进行优化,并基于优化后的度量方法构建模糊聚类算法,通过多次迭代得到实体行为对应各类别的隶属度矩阵;其次,根据类别软划分隶属度矩阵,分别计算实体在各个类别内的近邻距离、近邻密度与近邻相对异常因子等参数;最后,分析实体在各类簇内的相对异常情况,判断该电力实体行为是否属于异常行为。结果表明,与LOF,K-Means和Random Forest算法相比,新方法具有更高的异常行为检出数量和更优的异常检测评价指标,解决了传统异常检测算法样本评价角度单一的问题,进一步提高了数字化主动电网抵御未知威胁的能力。
-
关键词
数据安全与计算机安全
用户与实体行为分析
数字化主动电网
模糊聚类
异常检测
-
Keywords
data security and computer security
user and entity behavior analysis
digital active power grid
fuzzy clustering
anomaly detection
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
TM769
[电气工程—电力系统及自动化]
-
