.png){kind=icon}
返回
Factorization-based Attribute Residual Summary for Adaptive Edge-based Autonomous System Security
.png){kind=icon}
PRE
AI
DOI：10.1145/3748511.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于边缘环境的特殊性，基于边缘的自主系统面临着与安全操作相关的重大风险。基于边缘的自主系统中的流量异常检测对于确保这些系统的安全性日益重要。现有工作缺乏对流量属性与异常类型之间关系的考虑。具体而言，现有解决方案在检测主要在少数属性中表现出统计特征的异常方面存在困难。为了解决这个问题，我们提出了一种基于非负因子分解的属性残差摘要和非参数统计框架，用于基于边缘的自主系统的自适应安全监控。具体而言，引入依赖于乘法更新规则的非负因子分解来提取属性特征。利用张量线性表示构建属性残差摘要，即使只有少数流量属性受到影响，也能很好地描述统计差异，以实现对基于边缘的自主系统中各种攻击的自适应安全监控。然后，开发了一个非参数统计框架，通过累积和比较每个统计证据实现实时检测。基于真实流量轨迹数据集的广泛实验验证了我们的方法在适应性、准确性、实时性能和优越性方面的有效性，特别是在处理仅在少数流量属性中表现出统计特征的异常方面。
Keyword:
Tensor factorization
attribute residual summary
anomaly detection
edge-based autonomous systems
期刊
A
IF:
2.1
论文数:
24
被引数:
378
机构
引用论文
A New Tensor Summary Statistic for Real-Time Detection of Stealthy Anomaly in Avatar Interaction
OAAI
OAAI分享收藏On false data injection attacks against Kalman filtering in power system dynamic state estimation
PREAI
分享收藏分享收藏UGR'16: A new dataset for the evaluation of cyclostationarity-based network IDSs.png)
COMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏
查看更多内容