An unsupervised approach for traffic trace sanitization based on the entropy spaces

Abstract

La precisión y fiabilidad de un sistema de detección de intrusos basado en anomalías dependen de la calidad de los datos utilizados para construir un perfil de comportamiento normal. Sin embargo, la obtención de estos conjuntos de datos no es trivial debido a problemas de privacidad, obsolescencia e idoneidad. Este artículo presenta un enfoque para la desinfección de huellas de tráfico basado en la identificación de patrones anómalos en un espacio de entropía tridimensional de los datos de flujo de tráfico capturados de una red de campus. Los conjuntos de datos libres de anomalías se generan filtrando los ataques y las piezas de tráfico que modifican la posición típica de los centroides en el espacio de la entropía. Nuestros análisis se realizaron en trazas de tráfico de la vida real y muestran que los conjuntos de datos desinfectados tienen homogeneidad y consistencia en términos de centroides de racimo y distribuciones de probabilidad del espacio de entropía transformada por PCA.