Robust Anomaly Detection based on Ensemble Model through Efficient Extraction of Normal Traffic Information

通过有效提取正常交通信息进行基于集成模型的鲁棒异常检测

• 批准号: 21700079
• 负责人: UCHIDA Masato
• 金额: $ 2.58万
• 依托单位: Kyushu Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2009
• 资助国家: 日本
• 起止时间: 2009 至 2010
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21700079/
• 关键词: ネットワーク計測; 異常トラヒック検知; パケットサンプリング; アンサンブル学習; 異常トラヒック検出

I proposed an anomaly detection method that trains a baseline model describing the normal behavior of network traffic using normal traffic information which is efficiently extracted through time-periodical packet sampling. In addition, in order to improve detection performance and adjust alarm sensitivity, I proposed an ensemble anomaly detection that collectively exploits multiple baseline models in parallel. Theoretical analysis and testing using actual traffic traces showed that the proposed anomaly detection methods perform well.

我提出了一种异常检测方法，该方法利用正常流量信息训练一个描述网络流量正常行为的基线模型，该模型通过定时数据包采样有效地提取。此外，为了提高检测性能和调整报警灵敏度，我提出了一种集成异常检测方法，该方法并行地共同利用多个基线模型。理论分析和实际流量轨迹测试表明，所提出的异常检测方法效果良好。

项目成果

Unsupervised Ensemble Anomaly Detection through Time-Periodical Packet Sampling

• DOI: 10.1109/infcomw.2010.5466662
• 发表时间: 2010-03
• 期刊: 2010 INFOCOM IEEE Conference on Computer Communications Workshops
• 作者: Shuichi Nawata;M. Uchida;Yu Gu;M. Tsuru;Y. Oie

時間周期的パケットサンプリングによる教師無しアンサンブル異常検出手法

使用时间周期数据包采样的无监督集合异常检测方法

• 发表时间: 2010
• 作者: H.Igaki;M.Nakamura;縄田秀一
• 通讯作者: 縄田秀一

時間周期的パケットサンプリングの統計的性質とその異常トラヒック検知への応用

时间周期数据包采样的统计特性及其在异常流量检测中的应用

• 发表时间: 2011
• 作者: M.Nakamura;H.Igaki;T.Kimura;K.Matsumoto;内田真人
• 通讯作者: 内田真人