文件名称：通过网络浏览模式预测网络感染-研究论文
文件大小：819KB
文件格式：PDF
更新时间：2024-06-09 10:39:48
Markov processes; Web-behavior; Link prediction;
随着网上冲浪风险的日益增加，保护用户免受恶意Web内容侵害的能力对于抵御网络安全威胁已变得至关重要。 广泛的研究表明，在网络安全的背景下，某些个人特征与用户行为之间存在相关性。 此外，最近的研究表明，可以通过分析用户的浏览和文件下载历史来预测网络攻击受害的长期可能性。 但是，这样的预测模型通常依赖于存储和分析个人信息，例如详细的浏览历史记录，用户访问的站点的主题和类型，甚至是物理位置历史记录，因此有可能损害用户的隐私。 我们开发了一个简单的马尔可夫模型，可以通过识别行为模式提供实时的恶意网页暴露预测，如网络浏览动态所示。 利用马尔可夫链框架，我们提取了少量功能来充当用户当前风险水平的代理。 我们的模型在三个月内收集的网络浏览日志数据集中进行了测试，包括超过600万次浏览会话。 我们的模型使用逻辑回归分类器来预测下一步的暴露程度，以及进一步暴露于会话中的暴露程度，因此可以在保持用户隐私的同时，采取主动干预措施来防范潜在的网络威胁。