2008
Improving Anomaly Detection Error Rate by Collective Trust Modeling
REHÁK, Martin; Michal PĚCHOUČEK; Karel BARTOŠ; Martin GRILL; Pavel ČELEDA et. al.Základní údaje
Originální název
Improving Anomaly Detection Error Rate by Collective Trust Modeling
Název česky
Zpřesnění detekce anomálií pomocí kolektivního trust modelování
Autoři
REHÁK, Martin; Michal PĚCHOUČEK; Karel BARTOŠ; Martin GRILL; Pavel ČELEDA ORCID a Vojtěch KRMÍČEK
Vydání
Berlin, Recent Advances in Intrusion Detection, od s. 398-399, 2 s. 2008
Nakladatel
Springer Berlin / Heidelberg
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Impakt faktor
Impact factor: 0.402 v roce 2005
Kód RIV
RIV/00216224:14330/08:00033975
Organizační jednotka
Fakulta informatiky
ISBN
978-3-540-87402-7
ISSN
UT WoS
000260067900024
Klíčová slova anglicky
network behavior analysis; trust modeling
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 6. 8. 2010 09:26, RNDr. Vojtěch Krmíček, Ph.D.
V originále
Current Network Behavior Analysis (NBA) techniques are based on anomaly detection principles and therefore subject to high error rates. We propose a mechanism that deploys trust modeling, a technique for cooperator modeling from the multi-agent research, to improve the quality of NBA results. Our system is designed as a set of agents, each of them based on an existing anomaly detection algorithm coupled with a trust model based on the same traffic representation. These agents minimize the error rate by unsupervised, multi-layer integration of traffic classification. The system has been evaluated on real traffic in Czech academic networks.
Česky
Aktuální techniky síťové behaviorální analýzy (NBA) jsou založeny na principech detekce anomálií a proto mají vysoké míry chybovosti. Navrhujeme mechanismus využívající trust modelování - techniky pro kooperované modelování z multiagentního výzkumu - za cílem zlepšení kvality NBA výsledků. Náš systém je navržen jako množina agentů, založených na různých existujících algoritmech detekce anomálií a spojených s trust modelováním na stejném provozu. Tito agenti minimalizujcí míru chybovosti pomocí vícevrstvé intergrace klasivikace provozu. Systém byl prověřen na reálném provozu v českých univerzitních sítích.
Návaznosti
| W911NF-08-1-0250, interní kód MU |
|