基于机器学习的用户行为异常检测模型

摘要

针对Lane T等人提出的用户行为异常检测模型的不足,提出了一种新的IDS异常检测模型.该模型改进了用户行为模式和行为轮廓的表示方式,采用了新的相似度赋值方法,在对相似度流进行平滑时引入了"可变窗长度"的概念,并联合采用多个判决门限对用户行为进行判决.基于Unix用户shell命令数据的实验表明,该文提出的检测模型具有更高的检测性能.