2009
Collaborative approach to network behaviour analysis based on hardware-accelerated FlowMon probes
REHÁK, Martin; Michal PĚCHOUČEK; Martin GRILL; Karel BARTOŠ; Vojtěch KRMÍČEK et. al.Základní údaje
Originální název
Collaborative approach to network behaviour analysis based on hardware-accelerated FlowMon probes
Název česky
Kolaborativní přístup k analýze síťového provozu založený na hardwarově akcelerovaných FlowMon sondách
Autoři
REHÁK, Martin; Michal PĚCHOUČEK; Martin GRILL; Karel BARTOŠ; Vojtěch KRMÍČEK a Pavel ČELEDA ORCID
Vydání
International Journal of Electronic Security and Digital Forensics, Ženeva, Inderscience Publishers, 2009, 1751-911X
Další údaje
Jazyk
angličtina
Typ výsledku
Článek v odborném periodiku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Švýcarsko
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14330/09:00035628
Organizační jednotka
Fakulta informatiky
Klíčová slova česky
hardwarová akcelerace; multi-agentní detekce anomálií; behaviorální analýza; síťová detekce anomálií; síťová bezpečnost
Klíčová slova anglicky
hardware acceleration; knowledge fusion; multi-agent intrusion detection; network behaviour analysis; network intrusion detection; network security
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 6. 8. 2010 09:36, RNDr. Vojtěch Krmíček, Ph.D.
V originále
Network behaviour analysis techniques are designed to detect intrusions and other undesirable behaviour in computer networks by analysing the traffic statistics. We present an efficient framework for integration of anomaly detection algorithms working on the identical input data. This framework is based on high-speed network traffic acquisition subsystem and on trust modelling, a well-established set of techniques from the multi-agent system field. Trust-based integration of algorithms results in classification with lower error rate, especially in terms of false positives. The presented system is suitable for both online and offline processing, and introduces a relatively low computational overhead compared to deployment of isolated anomaly detection algorithms.
Česky
Techniky pro analýzu síťového chování jsou navrženy tak, aby detekovaly útočníky a další škodlivé chování v počítačových sítích pomocí analýzy síťových statistik. V tomto článku prezentujeme efektivní framework pro integraci metod detekce anomálií pracující nad jednotnými vstupními daty. Tento framework je založen na vysokorychlostním subsystému pro sběr síťových statistik a na trust modelování - technice z oblasti multi-agentních systémů. Výsledkem integrace algoritmů založené na trust modelu je klasifikace provozu s nižší mírou chybovosti, obzvláště v případě false positives. Prezentovaný systém je vhodný jak pro online analýzu, tak i pro offline zpracování dat a přináší relativně malé zvýšení nároků na výpočetní výkon v porovnání s nasazením samostatných metod pro detekci anomálií.
Návaznosti
| W911NF-08-1-0250, interní kód MU |
|