设计应用

基于图神经网络进程行为嵌入表示的入侵检测

作者：胡启宬，何树果，朱 震
发布日期：2021-12-15
来源：信息技术与网络安全 12期

0 引言

政府和企业日益采用复杂和庞大的信息系统，如何确保其自身的网络空间安全成为重要课题。入侵检测是一类通过事件分析，对可疑或具有潜在威胁的行为进行检测，并及时主动地发出警告的安全保障技术。传统的入侵检测技术有基于模式匹配、状态匹配、统计特征、启发式签名规则等多个分类，新一代技术更是融入了机器学习、异常检测等人工智能等相关方法，检测效果得以大幅提升。

信息系统的入侵者在实施攻击的时候，一般会采取包含信息侦察、横向移动、凭证获取、权限提升等一系列战术，这些战术又对应数百种多变的攻击技术[1]。如果使用基于模式匹配或者启发式签名的方法进行入侵检测，会高度依赖威胁情报收集和安全专家知识的转化，既缓慢且成本高昂；基于机器学习和异常检测的方法则可以在一定程度上降低这一成本，既能对已知威胁达到较高的检测准确率，还能对未知威胁进行检测。





本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003888





作者信息：

胡启宬，何树果，朱  震

(北京升鑫网络科技有限公司 青藤云安全人工智能实验室，北京101111)


此内容为AET网站原创，未经授权禁止转载。
入侵检测 图神经网络 图表示学习 异常检测

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2