PIDS: A Behavioral Framework for Analysis and Detection of Network Printer Attacks

[palloc]

公開日

2018-06-27

1. 概要

プリンターの悪性通信検知システムPIDSを提案。正常な通信と異常な通信を機械学習アルゴリズムで分類した。

2. 新規性・差分

1. PIDSフレームワークの作成
2. 汎用的で良質なプリンタの通信のデータセットの作成
3. PRETの強化

3. 手法

feature extraction

• パケットのサイズから28特徴
• 時間から25特徴
• TCPの情報から22特徴
  抽出している（分散とか標準偏差とか）。

4. 結果

5-cross validationで評価

Algorithm	FPR	TPR	AUC	Accuracy	Length of time it takes to build the model (in seconds)
K-Means	0.313	0.761	0.721	75.46%	0.30
Decision Tree C4.5	0	1	0.999	99.95%	0.54
Naïve Bayes	0.311	0.507	0.816	50.74%	0.19
Bayesian Networks	0.005	0.995	1	99.55%	0.57
SVM	0.016	0.987	0.986	98.69%	1.72

各特徴のスコア

5. 議論

6. コメント

パケット系はdecision treeとか強いのわかる

論文情報・リンク

https://arxiv.org/pdf/1806.10642.pdf