JP6661768B2 - ユーザ挙動を異常として分類すること - Google Patents
ユーザ挙動を異常として分類すること Download PDFInfo
- Publication number
- JP6661768B2 JP6661768B2 JP2018525505A JP2018525505A JP6661768B2 JP 6661768 B2 JP6661768 B2 JP 6661768B2 JP 2018525505 A JP2018525505 A JP 2018525505A JP 2018525505 A JP2018525505 A JP 2018525505A JP 6661768 B2 JP6661768 B2 JP 6661768B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- path graph
- resource
- test
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002159 abnormal effect Effects 0.000 title claims description 42
- 238000012360 testing method Methods 0.000 claims description 148
- 238000012549 training Methods 0.000 claims description 66
- 238000000034 method Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims 2
- 238000010168 coupling process Methods 0.000 claims 2
- 238000005859 coupling reaction Methods 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 67
- 239000011159 matrix material Substances 0.000 description 24
- 238000012952 Resampling Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 21
- 239000013598 vector Substances 0.000 description 21
- 238000012545 processing Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 14
- 206010000117 Abnormal behaviour Diseases 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 230000002547 anomalous effect Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/316—User authentication by observing the pattern of computer usage, e.g. typical user behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Social Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
D=||xi+1-V×(VT×xi+1)||
に従って距離Dを計算することによって、訓練データのベクトルとして表されるテストデータを比較し得る。
102 ユーザデバイス
110 マスタノード
114 セグメントノード
114a セグメントノード
114b セグメントノード
114n セグメントノード
132a 第1の記憶サブシステム
132b 第2の記憶サブシステム
132n 第Nの記憶サブシステム
142 ユーザアクセス記録
142a アクセス記録
142b アクセス記録
142n アクセス記録
145 ユーザID
155 異常挙動通知
180 再サンプリングモデルエンジン
182 トピックモデルエンジン
184 パスグラフモデルエンジン
510 ルートノード
520 他のノード
522 他のノード
530 他のノード
540 新たなノード
542 新たなノード
544 新たなノード
550 新たなノード
552 新たなノード
554 新たなノード
710 リソースノード
720 リソースノード
722 リソースノード
730 リソースノード
760 ユーザノード
762 ユーザノード
Claims (18)
- コンピュータによって実施される方法であって、
主題システムにおいてユーザの挙動を表すユーザ挙動データを取得するステップであって、前記ユーザ挙動データは、前記主題システムにおいて前記ユーザによってアクセスされた1つまたは複数のリソースと、前記ユーザによってアクセスされた各リソースについて、前記リソースがいつアクセスされたのかとを示す、ステップと、
前記ユーザ挙動データからテストデータを生成するステップであって、前記テストデータは、テスト期間中、前記ユーザによってアクセスされたリソースを示す第1の表示を備える、ステップと、
前記ユーザ挙動データから訓練データを生成するステップであって、前記訓練データは、前記テスト期間の前の多数の期間の各々において、前記ユーザによってアクセスされたリソースを示すそれぞれの第2の表示を備える、ステップと、
前記訓練データから初期パスグラフを生成するステップであって、前記初期パスグラフは、前記訓練データによって表される1つまたは複数の期間中に前記主題システムにおいて前記ユーザによってアクセスされたリソースを表すノードと、ノードの1つまたは複数のペア間のリンクとを備え、ノードの各ペア間の各リンクは、前記ユーザが、前記ペアの第1のノードによって表される第1のリソースへアクセスし、次に前記ペアの第2のノードによって表される第2のリソースにナビゲートしたことを表す、ステップと、
前記ユーザが複数のリソースにどのようにナビゲートしたのかを表す前記テストデータからテストパスグラフを生成するステップであって、前記テストパスグラフは、前記テスト期間中に前記主題システムにおいて前記ユーザによってアクセスされるリソースを表すノードと、ノードの1つまたは複数のペア間のリンクとを備え、ノードの各ペア間の各リンクは、前記ユーザが、前記ペアの第1のノードによって表される第1のリソースへアクセスし、次に前記ペアの第2のノードによって表される第2のリソースにナビゲートしたことを表す、ステップと、
前記初期パスグラフと前記テストパスグラフとの差分を計算するステップと、
前記初期パスグラフと前記テストパスグラフとの前記差分に基づいて、前記テスト期間における前記ユーザによる前記ユーザ挙動を異常として分類するステップと
を備え、
前記初期パスグラフと前記テストパスグラフとの前記差分を計算するステップは、
前記初期パスグラフおよび前記テストパスグラフにおけるノードによって表されるリソースに関連付けられた重みを取得するステップと、
前記初期パスグラフと前記テストパスグラフとの間の重み付けられたジャカール距離を計算するステップであって、前記重み付けられたジャカール距離は、前記初期パスグラフと前記テストパスグラフとの交差において発生するすべてのノードのための重みの総和と、前記テストパスグラフにおいて発生するすべてのノードのための重みの総和とに基づく、ステップと
を備える、方法。 - 前記ユーザ挙動データは、各々が、ファイルシステムにおいて前記ユーザによってアクセスされたフォルダまたはファイルを表すユーザアクセス記録を備える、請求項1に記載の方法。
- 前記初期パスグラフを生成するステップは、前記主題システムにおいて、前記ユーザの訓練データと、前記ユーザの1つまたは複数のピアの訓練データとから、前記初期パスグラフを生成するステップを備える、請求項1に記載の方法。
- 前記訓練データによって表される前記期間中、前記ユーザと同じように、少なくともしきい値数のリソースへアクセスした1人または複数の他のユーザを前記主題システムにおいて判定するステップと、
前記主題システムにおいて、前記1人または複数の他のユーザを、前記ユーザのピアとして指定するステップとをさらに備える、請求項3に記載の方法。 - 前記初期パスグラフと前記テストパスグラフとの前記差分を計算するステップは、前記初期パスグラフと前記テストパスグラフとの間のジャカール距離を計算するステップを備え、前記ジャカール距離は、前記初期パスグラフと前記テストパスグラフとの間の交差ノードの濃度と、前記初期パスグラフと前記テストパスグラフとの間のノードの結合の濃度とに基づく、請求項1に記載の方法。
- 前記主題システムにおけるフォルダのサブフォルダよりも、前記主題システムにおける前記フォルダへ、より高い重みを割り当てるステップをさらに備える、請求項1に記載の方法。
- 前記リソースの階層における、しきい値数のレベルよりも上にある前記主題システムにおけるすべてのリソースへ同じ重みを割り当てるステップをさらに備える、請求項1に記載の方法。
- 前記重みは、前記リソースの人気の尺度に基づく、請求項1に記載の方法。
- ハイブリッドグラフを生成するステップであって、前記ハイブリッドグラフは、前記システムにおけるユーザを表すユーザノードと、前記システムにおけるリソースを表すリソースノードとを備え、前記ハイブリッドグラフは、各ユーザ-リソースリンクが前記システムにおけるリソースにアクセスするそれぞれのユーザを表すユーザ-リソースリンクと、各リソース-リソースリンクが前記システムにおけるリソースの構成を表すリソース-リソースリンクとを含む、ステップと、
前記ハイブリッドグラフに従って、前記システムにおける1つまたは複数のリソースの人気の尺度を計算するステップと、
最も高い人気の尺度を有する1つまたは複数のノードを選択するステップと、
前記最も高い人気の尺度を有する前記1つまたは複数のノードの各々へのパスを、前記ユーザのための前記初期パスグラフへ追加するステップと
をさらに備える、請求項8に記載の方法。 - システムであって、
1つまたは複数のコンピュータと、
前記1つまたは複数のコンピュータに、
主題システムにおいてユーザの挙動を表すユーザ挙動データを取得するステップであって、前記ユーザ挙動データは、前記主題システムにおいて前記ユーザによってアクセスされた1つまたは複数のリソースと、前記ユーザによってアクセスされた各リソースについて、前記リソースがいつアクセスされたのかとを示す、ステップと、
前記ユーザ挙動データからテストデータを生成するステップであって、前記テストデータは、テスト期間中、前記ユーザによってアクセスされたリソースを示す第1の表示を備える、ステップと、
前記ユーザ挙動データから訓練データを生成するステップであって、前記訓練データは、前記テスト期間の前の多数の期間の各々において、前記ユーザによってアクセスされたリソースを示すそれぞれの第2の表示を備える、ステップと、
前記訓練データから初期パスグラフを生成するステップであって、前記初期パスグラフは、前記訓練データによって表される1つまたは複数の期間中に前記主題システムにおいて前記ユーザによってアクセスされたリソースを表すノードと、ノードの1つまたは複数のペア間のリンクとを備え、ノードの各ペア間の各リンクは、前記ユーザが、前記ペアの第1のノードによって表される第1のリソースへアクセスし、次に前記ペアの第2のノードによって表される第2のリソースにナビゲートしたことを表す、ステップと、
前記ユーザが複数のリソースにどのようにナビゲートしたのかを表す前記テストデータからテストパスグラフを生成するステップであって、前記テストパスグラフは、前記テスト期間中に前記主題システムにおいて前記ユーザによってアクセスされるリソースを表すノードと、ノードの1つまたは複数のペア間のリンクとを備え、ノードの各ペア間の各リンクは、前記ユーザが、前記ペアの第1のノードによって表される第1のリソースへアクセスし、次に前記ペアの第2のノードによって表される第2のリソースにナビゲートしたことを表す、ステップと、
前記初期パスグラフと前記テストパスグラフとの差分を計算するステップと、
前記初期パスグラフと前記テストパスグラフとの前記差分に基づいて、前記テスト期間における前記ユーザによる前記ユーザ挙動を異常として分類するステップと
を備え、
前記初期パスグラフと前記テストパスグラフとの前記差分を計算するステップは、
前記初期パスグラフおよび前記テストパスグラフにおけるノードによって表されるリソースに関連付けられた重みを取得するステップと、
前記初期パスグラフと前記テストパスグラフとの間の重み付けられたジャカール距離を計算するステップであって、前記重み付けられたジャカール距離は、前記初期パスグラフと前記テストパスグラフとの交差において発生するすべてのノードのための重みの総和と、前記テストパスグラフにおいて発生するすべてのノードのための重みの総和とに基づく、ステップと
を具備する動作を実行させるように動作可能な命令を格納する1つまたは複数の格納デバイスと
を具備するシステム。 - 前記ユーザ挙動データは、各々が、ファイルシステムにおいて前記ユーザによってアクセスされたフォルダまたはファイルを表すユーザアクセス記録を備える、請求項10に記載のシステム。
- 前記初期パスグラフを生成するステップは、前記主題システムにおいて、前記ユーザの訓練データと、前記ユーザの1つまたは複数のピアの訓練データとから、前記初期パスグラフを生成するステップを備える、請求項10に記載のシステム。
- 前記動作は、
前記訓練データによって表される前記期間中、前記ユーザと同じように、少なくともしきい値数のリソースへアクセスした1人または複数の他のユーザを前記主題システムにおいて判定するステップと、
前記主題システムにおいて、前記1人または複数の他のユーザを、前記ユーザのピアとして指定するステップと
をさらに備える、請求項12に記載のシステム。 - 前記初期パスグラフと前記テストパスグラフとの前記差分を計算するステップは、前記初期パスグラフと前記テストパスグラフとの間のジャカール距離を計算するステップを備え、前記ジャカール距離は、前記初期パスグラフと前記テストパスグラフとの間の交差ノードの濃度と、前記初期パスグラフと前記テストパスグラフとの間のノードの結合の濃度とに基づく、請求項10に記載のシステム。
- 前記動作は、前記主題システムにおけるフォルダのサブフォルダよりも、前記主題システムにおける前記フォルダへ、より高い重みを割り当てるステップをさらに備える、請求項10に記載のシステム。
- 前記動作は、前記リソースの階層における、しきい値数のレベルよりも上にある前記主題システムにおけるすべてのリソースへ同じ重みを割り当てるステップをさらに備える、請求項10に記載のシステム。
- 前記動作は、
ハイブリッドグラフを生成するステップであって、前記ハイブリッドグラフは、前記システムにおけるユーザを表すユーザノードと、前記システムにおけるリソースを表すリソースノードとを備え、前記ハイブリッドグラフは、各ユーザ-リソースリンクが前記システムにおけるリソースにアクセスするそれぞれのユーザを表すユーザ-リソースリンクと、各リソース-リソースリンクが前記システムにおけるリソースの構成を表すリソース-リソースリンクとを含む、ステップと、
前記ハイブリッドグラフに従って、前記システムにおける1つまたは複数のリソースの人気の尺度を計算するステップと、
最も高い人気の尺度を有する1つまたは複数のノードを選択するステップと、
前記最も高い人気の尺度を有する前記1つまたは複数のノードの各々へのパスを、前記ユーザのための前記初期パスグラフへ追加するステップと
をさらに備える、請求項10に記載のシステム。 - コンピュータプログラム命令でエンコードされた1つまたは複数の非一時的コンピュータ記憶媒体であって、前記コンピュータプログラム命令は、1つまたは複数のコンピュータにより実行されると、前記1つまたは複数のコンピュータに、
主題システムにおいてユーザの挙動を表すユーザ挙動データを取得するステップであって、前記ユーザ挙動データは、前記主題システムにおいて前記ユーザによってアクセスされた1つまたは複数のリソースと、前記ユーザによってアクセスされた各リソースについて、前記リソースがいつアクセスされたのかとを示す、ステップと、
前記ユーザ挙動データからテストデータを生成するステップであって、前記テストデータは、テスト期間中、前記ユーザによってアクセスされたリソースを示す第1の表示を備える、ステップと、
前記ユーザ挙動データから訓練データを生成するステップであって、前記訓練データは、前記テスト期間の前の多数の期間の各々において、前記ユーザによってアクセスされたリソースを示すそれぞれの第2の表示を備える、ステップと、
前記訓練データから初期パスグラフを生成するステップであって、前記初期パスグラフは、前記訓練データによって表される1つまたは複数の期間中に前記主題システムにおいて前記ユーザによってアクセスされたリソースを表すノードと、ノードの1つまたは複数のペア間のリンクとを備え、ノードの各ペア間の各リンクは、前記ユーザが、前記ペアの第1のノードによって表される第1のリソースへアクセスし、次に前記ペアの第2のノードによって表される第2のリソースにナビゲートしたことを表す、ステップと、
前記ユーザが複数のリソースにどのようにナビゲートしたのかを表す前記テストデータからテストパスグラフを生成するステップであって、前記テストパスグラフは、前記テスト期間中に前記主題システムにおいて前記ユーザによってアクセスされるリソースを表すノードと、ノードの1つまたは複数のペア間のリンクとを備え、ノードの各ペア間の各リンクは、前記ユーザが、前記ペアの第1のノードによって表される第1のリソースへアクセスし、次に前記ペアの第2のノードによって表される第2のリソースにナビゲートしたことを表す、ステップと、
前記初期パスグラフと前記テストパスグラフとの差分を計算するステップと、
前記初期パスグラフと前記テストパスグラフとの前記差分に基づいて、前記テスト期間における前記ユーザによる前記ユーザ挙動を異常として分類するステップと
を備え、
前記初期パスグラフと前記テストパスグラフとの前記差分を計算するステップは、
前記初期パスグラフおよび前記テストパスグラフにおけるノードによって表されるリソースに関連付けられた重みを取得するステップと、
前記初期パスグラフと前記テストパスグラフとの間の重み付けられたジャカール距離を計算するステップであって、前記重み付けられたジャカール距離は、前記初期パスグラフと前記テストパスグラフとの交差において発生するすべてのノードのための重みの総和と、前記テストパスグラフにおいて発生するすべてのノードのための重みの総和とに基づく、ステップと
を具備する動作を実行させる、非一時的コンピュータ記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/810,328 | 2015-07-27 | ||
US14/810,328 US10430721B2 (en) | 2015-07-27 | 2015-07-27 | Classifying user behavior as anomalous |
PCT/US2016/044198 WO2017019735A1 (en) | 2015-07-27 | 2016-07-27 | Classifying user behavior as anomalous |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018523885A JP2018523885A (ja) | 2018-08-23 |
JP6661768B2 true JP6661768B2 (ja) | 2020-03-11 |
Family
ID=56609977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018525505A Active JP6661768B2 (ja) | 2015-07-27 | 2016-07-27 | ユーザ挙動を異常として分類すること |
Country Status (6)
Country | Link |
---|---|
US (4) | US10430721B2 (ja) |
EP (1) | EP3329411B1 (ja) |
JP (1) | JP6661768B2 (ja) |
CN (1) | CN108140075B (ja) |
AU (2) | AU2016298250B2 (ja) |
WO (1) | WO2017019735A1 (ja) |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014134630A1 (en) | 2013-03-01 | 2014-09-04 | RedOwl Analytics, Inc. | Modeling social behavior |
US9542650B2 (en) | 2013-03-01 | 2017-01-10 | RedOwl Analytics, Inc. | Analyzing behavior in light of social time |
US10791131B2 (en) * | 2015-05-28 | 2020-09-29 | Hewlett Packard Enterprise Development Lp | Processing network data using a graph data structure |
US10037425B2 (en) * | 2015-08-26 | 2018-07-31 | Symantec Corporation | Detecting suspicious file prospecting activity from patterns of user activity |
US9942252B1 (en) * | 2015-09-08 | 2018-04-10 | EMC IP Holding Co. LLC | Graph-based techniques for detecting coordinated network attacks |
US9888007B2 (en) * | 2016-05-13 | 2018-02-06 | Idm Global, Inc. | Systems and methods to authenticate users and/or control access made by users on a computer network using identity services |
US11030673B2 (en) | 2016-07-28 | 2021-06-08 | International Business Machines Corporation | Using learned application flow to assist users in network business transaction based apps |
US11222270B2 (en) | 2016-07-28 | 2022-01-11 | International Business Machiness Corporation | Using learned application flow to predict outcomes and identify trouble spots in network business transactions |
US10210283B2 (en) | 2016-09-28 | 2019-02-19 | International Business Machines Corporation | Accessibility detection and resolution |
US10187369B2 (en) | 2016-09-30 | 2019-01-22 | Idm Global, Inc. | Systems and methods to authenticate users and/or control access made by users on a computer network based on scanning elements for inspection according to changes made in a relation graph |
US10250583B2 (en) | 2016-10-17 | 2019-04-02 | Idm Global, Inc. | Systems and methods to authenticate users and/or control access made by users on a computer network using a graph score |
US10320819B2 (en) * | 2017-02-27 | 2019-06-11 | Amazon Technologies, Inc. | Intelligent security management |
US10965668B2 (en) | 2017-04-27 | 2021-03-30 | Acuant, Inc. | Systems and methods to authenticate users and/or control access made by users based on enhanced digital identity verification |
US10999296B2 (en) | 2017-05-15 | 2021-05-04 | Forcepoint, LLC | Generating adaptive trust profiles using information derived from similarly situated organizations |
US11888859B2 (en) | 2017-05-15 | 2024-01-30 | Forcepoint Llc | Associating a security risk persona with a phase of a cyber kill chain |
US10318729B2 (en) | 2017-07-26 | 2019-06-11 | Forcepoint, LLC | Privacy protection during insider threat monitoring |
US10803178B2 (en) | 2017-10-31 | 2020-10-13 | Forcepoint Llc | Genericized data model to perform a security analytics operation |
US11188917B2 (en) * | 2018-03-29 | 2021-11-30 | Paypal, Inc. | Systems and methods for compressing behavior data using semi-parametric or non-parametric models |
US11314787B2 (en) | 2018-04-18 | 2022-04-26 | Forcepoint, LLC | Temporal resolution of an entity |
US11755584B2 (en) | 2018-07-12 | 2023-09-12 | Forcepoint Llc | Constructing distributions of interrelated event features |
US11810012B2 (en) | 2018-07-12 | 2023-11-07 | Forcepoint Llc | Identifying event distributions using interrelated events |
US11436512B2 (en) | 2018-07-12 | 2022-09-06 | Forcepoint, LLC | Generating extracted features from an event |
US10949428B2 (en) | 2018-07-12 | 2021-03-16 | Forcepoint, LLC | Constructing event distributions via a streaming scoring operation |
US11025638B2 (en) | 2018-07-19 | 2021-06-01 | Forcepoint, LLC | System and method providing security friction for atypical resource access requests |
CN108984791A (zh) * | 2018-08-02 | 2018-12-11 | 苏州市千尺浪信息科技服务有限公司 | 一种基于区块链大数据的存储*** |
US11811799B2 (en) | 2018-08-31 | 2023-11-07 | Forcepoint Llc | Identifying security risks using distributions of characteristic features extracted from a plurality of events |
CN109413036B (zh) * | 2018-09-12 | 2022-02-08 | 全球能源互联网研究院有限公司 | 敏感信息异常流出监测方法、装置和服务器 |
US11048807B2 (en) * | 2018-09-12 | 2021-06-29 | International Business Machines Corporation | Protecting data security with hierarchical authorization analysis |
CN109299592B (zh) * | 2018-09-29 | 2021-08-10 | 武汉极意网络科技有限公司 | 人机行为特征边界构建方法、***、服务器及存储介质 |
US11025659B2 (en) | 2018-10-23 | 2021-06-01 | Forcepoint, LLC | Security system using pseudonyms to anonymously identify entities and corresponding security risk related behaviors |
US11171980B2 (en) | 2018-11-02 | 2021-11-09 | Forcepoint Llc | Contagion risk detection, analysis and protection |
CN109753906B (zh) * | 2018-12-25 | 2022-06-07 | 西北工业大学 | 基于域迁移的公共场所异常行为检测方法 |
JP2021015421A (ja) * | 2019-07-11 | 2021-02-12 | 富士通株式会社 | 情報処理プログラム、情報処理方法および情報処理装置 |
US11736503B2 (en) | 2019-10-22 | 2023-08-22 | Salesforce, Inc. | Detection of anomalous lateral movement in a computer network |
CN111104979B (zh) * | 2019-12-18 | 2023-08-01 | 北京思维造物信息科技股份有限公司 | 一种用户行为价值评估模型的生成方法、装置及设备 |
US11570197B2 (en) | 2020-01-22 | 2023-01-31 | Forcepoint Llc | Human-centric risk modeling framework |
US11630901B2 (en) | 2020-02-03 | 2023-04-18 | Forcepoint Llc | External trigger induced behavioral analyses |
US11080109B1 (en) | 2020-02-27 | 2021-08-03 | Forcepoint Llc | Dynamically reweighting distributions of event observations |
US11429697B2 (en) | 2020-03-02 | 2022-08-30 | Forcepoint, LLC | Eventually consistent entity resolution |
US11836265B2 (en) | 2020-03-02 | 2023-12-05 | Forcepoint Llc | Type-dependent event deduplication |
US11080032B1 (en) | 2020-03-31 | 2021-08-03 | Forcepoint Llc | Containerized infrastructure for deployment of microservices |
US11568136B2 (en) | 2020-04-15 | 2023-01-31 | Forcepoint Llc | Automatically constructing lexicons from unlabeled datasets |
US11516206B2 (en) | 2020-05-01 | 2022-11-29 | Forcepoint Llc | Cybersecurity system having digital certificate reputation system |
US11544390B2 (en) | 2020-05-05 | 2023-01-03 | Forcepoint Llc | Method, system, and apparatus for probabilistic identification of encrypted files |
US11895158B2 (en) | 2020-05-19 | 2024-02-06 | Forcepoint Llc | Cybersecurity system having security policy visualization |
US11704387B2 (en) | 2020-08-28 | 2023-07-18 | Forcepoint Llc | Method and system for fuzzy matching and alias matching for streaming data sets |
US11190589B1 (en) | 2020-10-27 | 2021-11-30 | Forcepoint, LLC | System and method for efficient fingerprinting in cloud multitenant data loss prevention |
CN112953758A (zh) * | 2021-01-26 | 2021-06-11 | 亚太卫星宽带通信(深圳)有限公司 | 一种乘客上网行为和模拟测试***和方法 |
CN113221104B (zh) * | 2021-05-12 | 2023-07-28 | 北京百度网讯科技有限公司 | 用户异常行为的检测方法及用户行为重构模型的训练方法 |
US20230023723A1 (en) * | 2021-07-26 | 2023-01-26 | Cisco Technology, Inc. | Transparent security and policy enforcement for low-code orchestration |
US11832119B2 (en) * | 2021-08-31 | 2023-11-28 | Verizon Patent And Licensing Inc. | Identification of anomalous telecommunication service |
US20230275913A1 (en) * | 2022-02-25 | 2023-08-31 | Microsoft Technology Licensing, Llc | Using graph enrichment to detect a potentially malicious access attempt |
US20230403289A1 (en) * | 2022-06-14 | 2023-12-14 | Microsoft Technology Licensing, Llc | Machine learning approach for solving the cold start problem in stateful models |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6285999B1 (en) | 1997-01-10 | 2001-09-04 | The Board Of Trustees Of The Leland Stanford Junior University | Method for node ranking in a linked database |
JP2000148276A (ja) * | 1998-11-05 | 2000-05-26 | Fujitsu Ltd | セキュリティ監視装置,セキュリティ監視方法およびセキュリティ監視用プログラム記録媒体 |
US7096499B2 (en) * | 1999-05-11 | 2006-08-22 | Cylant, Inc. | Method and system for simplifying the structure of dynamic execution profiles |
JP2004309998A (ja) * | 2003-02-18 | 2004-11-04 | Nec Corp | 確率分布推定装置および異常行動検出装置,ならびにその確率分布推定方法および異常行動検出方法 |
US20050203881A1 (en) | 2004-03-09 | 2005-09-15 | Akio Sakamoto | Database user behavior monitor system and method |
US7533070B2 (en) | 2006-05-30 | 2009-05-12 | Honeywell International Inc. | Automatic fault classification for model-based process monitoring |
US8595834B2 (en) * | 2008-02-04 | 2013-11-26 | Samsung Electronics Co., Ltd | Detecting unauthorized use of computing devices based on behavioral patterns |
US8832119B2 (en) | 2008-06-12 | 2014-09-09 | Fuji Xerox Co., Ltd. | Systems and methods for organizing files in a graph-based layout |
US20090328215A1 (en) * | 2008-06-30 | 2009-12-31 | Microsoft Corporation | Semantic networks for intrusion detection |
US8769684B2 (en) | 2008-12-02 | 2014-07-01 | The Trustees Of Columbia University In The City Of New York | Methods, systems, and media for masquerade attack detection by monitoring computer user behavior |
JP2012053716A (ja) * | 2010-09-01 | 2012-03-15 | Research Institute For Diversity Ltd | 思考モデルの作成方法、思考モデルの作成装置及び思考モデルの作成プログラム |
US8838613B1 (en) * | 2011-02-18 | 2014-09-16 | Google Inc. | Identifying trends from micro-posts |
US9106687B1 (en) * | 2011-11-01 | 2015-08-11 | Symantec Corporation | Mechanism for profiling user and group accesses to content repository |
US9183512B2 (en) | 2011-12-15 | 2015-11-10 | Northeastern University | Real-time anomaly detection of crowd behavior using multi-sensor information |
JP6148323B2 (ja) * | 2012-03-22 | 2017-06-14 | ロス アラモス ナショナル セキュリティー,リミテッド ライアビリティー カンパニーLos Alamos National Security,Llc | 計算機ネットワークにおいて調整グループ攻撃を識別する異常検出 |
CN102750469B (zh) * | 2012-05-18 | 2015-12-09 | 北京邮电大学 | 一种基于开放平台的安全检测***及其检测方法 |
CN103138986B (zh) * | 2013-01-09 | 2016-08-03 | 天津大学 | 一种基于可视分析的网站异常访问行为的检测方法 |
JP6047017B2 (ja) * | 2013-01-11 | 2016-12-21 | キヤノン株式会社 | パターン抽出装置および制御方法 |
EP2959413B1 (en) | 2013-02-19 | 2019-12-25 | The University Of Tulsa | Compliance method for a cyber- physical system |
US9264442B2 (en) | 2013-04-26 | 2016-02-16 | Palo Alto Research Center Incorporated | Detecting anomalies in work practice data by combining multiple domains of information |
JP6219621B2 (ja) | 2013-07-02 | 2017-10-25 | セコム株式会社 | 通信照合装置 |
US9367809B2 (en) * | 2013-10-11 | 2016-06-14 | Accenture Global Services Limited | Contextual graph matching based anomaly detection |
EP2874073A1 (en) | 2013-11-18 | 2015-05-20 | Fujitsu Limited | System, apparatus, program and method for data aggregation |
CN103823883B (zh) * | 2014-03-06 | 2015-06-10 | 焦点科技股份有限公司 | 一种网站用户访问路径的分析方法及*** |
CN103853841A (zh) * | 2014-03-19 | 2014-06-11 | 北京邮电大学 | 一种社交网用户异常行为的分析方法 |
-
2015
- 2015-07-27 US US14/810,328 patent/US10430721B2/en active Active
-
2016
- 2016-07-27 JP JP2018525505A patent/JP6661768B2/ja active Active
- 2016-07-27 EP EP16747974.0A patent/EP3329411B1/en active Active
- 2016-07-27 AU AU2016298250A patent/AU2016298250B2/en active Active
- 2016-07-27 WO PCT/US2016/044198 patent/WO2017019735A1/en unknown
- 2016-07-27 CN CN201680044384.4A patent/CN108140075B/zh active Active
-
2019
- 2019-09-18 US US16/575,279 patent/US11436530B2/en active Active
- 2019-12-05 AU AU2019275615A patent/AU2019275615B2/en active Active
-
2022
- 2022-07-21 US US17/870,733 patent/US11727311B2/en active Active
-
2023
- 2023-08-15 US US18/450,263 patent/US20230394367A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11727311B2 (en) | 2023-08-15 |
EP3329411A1 (en) | 2018-06-06 |
US20230394367A1 (en) | 2023-12-07 |
WO2017019735A1 (en) | 2017-02-02 |
US20170032274A1 (en) | 2017-02-02 |
US20220366309A1 (en) | 2022-11-17 |
AU2016298250A1 (en) | 2018-02-22 |
US20200012968A1 (en) | 2020-01-09 |
CN108140075A (zh) | 2018-06-08 |
JP2018523885A (ja) | 2018-08-23 |
AU2019275615B2 (en) | 2021-05-20 |
AU2016298250B2 (en) | 2019-09-26 |
AU2019275615A1 (en) | 2020-01-02 |
US11436530B2 (en) | 2022-09-06 |
EP3329411B1 (en) | 2021-06-02 |
US10430721B2 (en) | 2019-10-01 |
CN108140075B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6661768B2 (ja) | ユーザ挙動を異常として分類すること | |
JP6457693B1 (ja) | 予測データ分析のためのシステムおよび技術 | |
Zheng et al. | Personalized reliability prediction of web services | |
US9747551B2 (en) | Determining and localizing anomalous network behavior | |
Wu et al. | Data mining with big data | |
US8364613B1 (en) | Hosting predictive models | |
Baldominos et al. | A scalable machine learning online service for big data real-time analysis | |
US10216622B2 (en) | Diagnostic analysis and symptom matching | |
US11380443B2 (en) | Predicting non-communicable disease with infectious risk factors using artificial intelligence | |
Ali et al. | Complex scientific applications made fault-tolerant with the sparse grid combination technique | |
Agrawal et al. | Adaptive real‐time anomaly detection in cloud infrastructures | |
CN112070559A (zh) | 状态获取方法和装置、电子设备和存储介质 | |
Dass et al. | Amelioration of Big Data analytics by employing Big Data tools and techniques | |
Muhamediyeva et al. | Utilizing ensemble learning methods for the classification of forest cover types | |
Aliguliyev et al. | The investigation of opportunities of big data analytics as analytics-as-a-service in cloud computing for oil and gas industry | |
Thiyagarajan | Platfora Method for High Data Delivery in Large Datasets | |
US11500933B2 (en) | Techniques to generate and store graph models from structured and unstructured data in a cloud-based graph database system | |
US20230394332A1 (en) | Determining target policy performance via off-policy evaluation in embedding spaces | |
Banchhor et al. | A comprehensive study of data intelligence in the context of big data analytics | |
Mehfooz | SenseMark–A database benchmark and evaluation study for alternative databases for Sensor data and IoT | |
Chen | degree in dynamics and control from Dalian University of Technology, Dalian, China, in 2003 and 2006, respectively, and the Ph. D. degree in electrical engineering from Duke University, Durham, NC, in 2010. | |
Mohan Kumar et al. | A Survey on Estimation of Time on Hadoop Cluster for Data Computation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180328 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190304 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190604 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190805 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190904 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200120 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200212 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6661768 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |