50、端口扫描攻击下异常检测器的比较评估与高级网络指纹识别技术

端口扫描攻击下异常检测器的比较评估与高级网络指纹识别技术

端口扫描攻击下异常检测器的评估

在网络安全领域，异常检测对于防范端口扫描攻击至关重要。本次评估使用了两个具有互补特征的端口扫描流量数据集，对八种著名的基于网络的异常检测器进行了评估，评估标准包括准确性、可扩展性、复杂性和延迟。

1. 准确性分析

从ROC分析图（图6）可以看出，除TRW外，其他算法在LBNL数据集上均无法达到100%的检测率。这是因为这些算法依赖于攻击流量的高突发性和大流量，而LBNL数据集中攻击流量率远低于背景流量率，攻击流量分散在多个时间窗口，每个窗口攻击数据包极少，即使降低检测阈值也难以检测到。
- 各检测器表现
- Kalman Filter ：检测率无法超过60%，准确性较低。
- PHAD ：检测率很高，但误报率不可接受。
- 其他检测器 ：结果与端点情况类似。

</

检测器	检测率表现	误报率情况
Kalman Filter	低于60%	-
PHAD	高	不可接受