用户异常行为分析在智慧公路系统的应用.pdfVIP

技术TECHNOLOGY

DOI:10.13439/j.cnki.itsc.2021.05.014

用户异常行为分析在智慧公路系统的应用

徐飞\徐志斌、徐嘉宁2,刘梦柔2

(1.北京市首都公路发展集团有限公司，北京100161;2.北京云星宇交通科技股份有限公司，北京100078)

摘要：用户行为分析解决方案构建的安全运营平台可为丨丁环境中的用户和实体（例如应用、服务器、路由器和数据存储库）的标准行为建

模，称为基准。使用各种分析技术，可以识别与已建立的基线相比异常的活动，发现威胁并检测安全事件本文对智慧公路系统中用户异常行为

分析的应用进行淺析

关键词：用户行为分析；威胁检测；标准行为建模；实体

为贯彻落实党中央、国务院决策部署，加快建设交通强国，发现操作中的异常行为。

推动交通运输领域新型基础设施建设，交通运输部颁布了《交通通过智慧公路信息系统，可以有效发现用户当前是否有偏离

运输部关于推动交通运输领域新型基础设施建设的指导意见》以往操作习惯的行为，以便通过专家方法进行更深入的分析。主

(交规划发〔2020〕75号）。依据指导意见构建的网络安全运营要步骤如下：

平台，是集态势感知、风险预警、应急处H和联动指挥为一体的1、获取具体用户某段时间范围内业务管理系统操作时间

网络安全支撑平台。作为智慧公路的信息化安全保障支撑，利用闩志；

大数据分析技术，平台可对用户异常行为进行分析，通过数据建2、以此为训练样本，训练用户行为基线，绘制概率密度分

模、分析、预判等方法发现甚至预测可能出现的攻击行为。布曲线；

3、当前操作密度分布与基线进行对比，发现偏离基线，考

一、基于基线的行为分析模型虑操作存在风险。

基线的建立可以包括访问记录、访问源等。结合用户实体行

用户行为分析作为一种安全技术，在安全领域已经有了较为为分析的分析方法发掘潜在威胁，降低风险发生概率。

深入的应用。由于在安全建设的威胁场景中，用户实体行为分析先进的分析是用户异常行为分析工具的标志，其涉及多种

的分析效果更明显，因此，用户行为分析主要集中在智慧公路系先进技术，即使在没有已知模式的情况下也可以帮助识别异常行

统安全建设运营这一方向。智慧公路系统的安全建设中有两个关为，具体如下。

键要素，即资产与人。在传统的解决方案（如S0C类）中更加关(1)有监督的机器学习。已知的良好行为和已知的不良行

注资产面临的风险往往忽视了人的重要性，这在近年来不断出现为的集合被输入到系统中，该工具学习分析新行为并确定其是否

的信息泄露事件中可见一斑。当然，概念再好也要在实际生产中“类似于”已知的良好或已知的不良行为集。

能够落地，下文将以用户行为分析中采用KDE算法对人员行为基(2)贝叶斯网络。可以结合监督的机器学习和规则来创建

线进行建模及分析的典型方法进行探讨。行为配置文件。

(一）KDE算法(3)无监督学习。系统学习正常行为，并能够检测和警告

核密度估计（KerneDensityEstimation)是在概率论中用来异常行为，其无法判断异常行为是好是坏，仅能判断其偏离了正

估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt常行为。

和EmanueParzen提出。该算法需要找出点处于某个区间的概(4)强化/半监督机器学习。一种混合模型，其基础是无监

率。本质上KDE属于聚类算法的一种。对于核函数类型的选择则督学习，且实际的警报解决方案被反馈到系统中，以允许对该模