René's URL Explorer Experiment

{"@context":"https://schema.org","@type":"DiscussionForumPosting","headline":"PIDS: A Behavioral Framework for Analysis and Detection of Network Printer Attacks","articleBody":"## 公開日\r\n2018-06-27\r\n\r\n## 1. 概要\r\n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。\r\n\r\n## 2. 新規性・差分\r\n1. PIDSフレームワークの作成\r\n1. 汎用的で良質なプリンタの通信のデータセットの作成\r\n1. PRETの強化\r\n\r\n## 3. 手法\r\n![image](https://user-images.githubusercontent.com/10243885/42120106-80ab0af4-7c50-11e8-965e-a1466b423e2a.png)\r\n\r\n### feature extraction\r\n- パケットのサイズから28特徴\r\n- 時間から25特徴\r\n- TCPの情報から22特徴\r\n抽出している（分散とか標準偏差とか）。\r\n\r\n## 4. 結果\r\n5-cross validationで評価\r\n\r\nAlgorithm | FPR | TPR | AUC | Accuracy | Length   of time it takes to build the model   (in seconds)\r\n-- | -- | -- | -- | -- | --\r\nK-Means | 0.313 | 0.761 | 0.721 | 75.46% | 0.30\r\nDecision Tree C4.5 | 0 | 1 | 0.999 | 99.95% | 0.54\r\nNaïve Bayes | 0.311 | 0.507 | 0.816 | 50.74% | 0.19\r\nBayesian Networks | 0.005 | 0.995 | 1 | 99.55% | 0.57\r\nSVM | 0.016 | 0.987 | 0.986 | 98.69% | 1.72\r\n\r\n\r\n各特徴のスコア\r\n![image](https://user-images.githubusercontent.com/10243885/42120294-1b136476-7c54-11e8-9574-f46d17defb36.png)\r\n\r\n\r\n## 5. 議論\r\n\r\n## 6. コメント\r\nパケット系はdecision treeとか強いのわかる\r\n\r\n## 論文情報・リンク\r\nhttps://arxiv.org/pdf/1806.10642.pdf","author":{"url":"https://github.com/palloc","@type":"Person","name":"palloc"},"datePublished":"2018-06-30T02:00:08.000Z","interactionStatistic":{"@type":"InteractionCounter","interactionType":"https://schema.org/CommentAction","userInteractionCount":0},"url":"https://github.com/7/PaperStack/issues/7"}