.png){kind=icon}
返回
Data Stream Mining to Predict Recommended Actions for Firewall Network Traffic
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-15987-8_21.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
互联网的进步导致了数据的持续生成增加，加剧了与网络安全相关的挑战。在此背景下，防火墙在保护网络免受威胁方面发挥着关键作用，并根据反映组织策略的特定规则来组织日志记录。然而，更新这些规则很复杂，不正确的配置或决策可能会危及安全。使用传统机器学习方法的现有研究通常依赖静态数据集，需要新的训练周期来整合变化，这在动态网络流量场景中不可行。本研究开发的方法将已知的MINAS和CluStream数据流算法应用于预测防火墙捕获的网络流量中的推荐操作（允许、拒绝、丢弃和重置-双方）。虽然CluStream是一种增量算法，但MINAS结合了增量学习与新奇检测，这是数据流场景中的关键特征，因为在这些场景中模式可能会突然或逐渐变化。进行的实验表明，两种算法在数据流中均表现出不同的结果，并在整个实验中在各项指标上均表现出满意性能。
Keyword:
Data stream
Network security
Firewall logs
期刊
I
IF:
0
论文数:
41
被引数:
0
机构
.png){kind=icon}
查看更多内容