Hiểu dữ liệu cảnh báo đa nguồn để khám phá ngữ nghĩa bảo mật dựa trên lý thuyết tập thô

( 0 đánh giá )
Miễn phí

Phân loại cảnh báo theo đặc trưng dữ liệu và tính toán trọng số bằng lý thuyết tập thô dựa trên dữ liệu lịch sử.

  • Áp dụng tính toán độ tương đồng để gộp cảnh báo lặp từ nhiều thiết bị bảo mật như IDS, firewall.
  • - Đề xuất chỉ số độ tin cậy để đánh giá mức độ xác thực của cảnh báo dựa trên thông tin nền như hệ điều hành, dịch vụ, lỗ hổng.
  • - Thử nghiệm trên dữ liệu thực tế và bộ dữ liệu DARPA 2000 cho thấy khả năng giảm hơn 80% cảnh báo lặp.
  • - Mô hình gồm 4 bước: rời rạc hóa đặc trưng, phân phối trọng số, tính toán độ tương đồng và gán độ tin cậy.
  • - So sánh với các phương pháp hiện có cho thấy hiệu quả vượt trội về tỷ lệ giảm cảnh báo và độ chính xác phân loạ