%0 Journal Article
%T 一种小样本下的内部威胁检测方法研究
%A 刘春辉
%A 李涛
%A 王一丰
%A 郭渊博
%J 中山大学学报（自然科学版）
%D 2019
%X 摘要 极少量的内部威胁通常被淹没在大量的正常数据中,对检测造成了很大困难.传统的异常检测方法在此很难发挥作用.本文针对小样本的环境设计了一种内部威胁检测框架.该文先使用经验学习中的一些技巧来生成足量的样本,然后提出一种基于深度学习的内部威胁检测方法.所提出的分类模型结合卷积神经网络和递归神经网络模型,采用视频行为识别的架构来进行特定内部威胁的检测和关联.最终通过用CMUCERT数据集的实验也验证了该文方法的有效性,并且该方法特别是在检测共谋攻击方面中取得了很好的效果,其分类正确率达到了82%
%K 内部威胁检测
%K 小样本学习
%K 深度学习
%K 用户画像
%U http://xwxt.sict.ac.cn/CN/abstract/abstract5173.shtml