• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

云环境基于系统调用向量空间的进程异常检测

陈兴蜀, 陈佳昕, 金鑫, 葛龙

陈兴蜀, 陈佳昕, 金鑫, 葛龙. 云环境基于系统调用向量空间的进程异常检测[J]. 计算机研究与发展, 2019, 56(12): 2684-2693. DOI: 10.7544/issn1000-1239.2019.20180843
引用本文: 陈兴蜀, 陈佳昕, 金鑫, 葛龙. 云环境基于系统调用向量空间的进程异常检测[J]. 计算机研究与发展, 2019, 56(12): 2684-2693. DOI: 10.7544/issn1000-1239.2019.20180843
shu
Chen Xingshu, Chen Jiaxin, Jin Xin, Ge Long. Process Abnormal Detection Based on System Call Vector Space in Cloud Computing Environments[J]. Journal of Computer Research and Development, 2019, 56(12): 2684-2693. DOI: 10.7544/issn1000-1239.2019.20180843
Citation: Chen Xingshu, Chen Jiaxin, Jin Xin, Ge Long. Process Abnormal Detection Based on System Call Vector Space in Cloud Computing Environments[J]. Journal of Computer Research and Development, 2019, 56(12): 2684-2693. DOI: 10.7544/issn1000-1239.2019.20180843
shu
陈兴蜀, 陈佳昕, 金鑫, 葛龙. 云环境基于系统调用向量空间的进程异常检测[J]. 计算机研究与发展, 2019, 56(12): 2684-2693. CSTR: 32373.14.issn1000-1239.2019.20180843
引用本文: 陈兴蜀, 陈佳昕, 金鑫, 葛龙. 云环境基于系统调用向量空间的进程异常检测[J]. 计算机研究与发展, 2019, 56(12): 2684-2693. CSTR: 32373.14.issn1000-1239.2019.20180843
shu
Chen Xingshu, Chen Jiaxin, Jin Xin, Ge Long. Process Abnormal Detection Based on System Call Vector Space in Cloud Computing Environments[J]. Journal of Computer Research and Development, 2019, 56(12): 2684-2693. CSTR: 32373.14.issn1000-1239.2019.20180843
Citation: Chen Xingshu, Chen Jiaxin, Jin Xin, Ge Long. Process Abnormal Detection Based on System Call Vector Space in Cloud Computing Environments[J]. Journal of Computer Research and Development, 2019, 56(12): 2684-2693. CSTR: 32373.14.issn1000-1239.2019.20180843
shu

云环境基于系统调用向量空间的进程异常检测

  • 1(四川大学网络空间安全学院 成都 610065)

  • 2(四川大学计算机学院 成都 610065) (chenxsh@scu.edu.cn)

基金项目: 国家自然科学基金青年科学基金项目(61802270,61802271);四川省重点研发项目(2018GZ0100)；中央高校基本科研业务费专项资金(2017SCU11059)
详细信息

  • 中图分类号: TP309

Process Abnormal Detection Based on System Call Vector Space in Cloud Computing Environments

  • 1(School of Cybersecurity, Sichuan University, Chengdu 610065)

  • 2(School of Computing, Sichuan University, Chengdu 610065)

摘要

    摘要
  • 摘要: 传统主机领域下基于系统调用的入侵检测方案，往往针对单一特权进程的运行行为进行监控，而在云计算环境下引入了更多的安全风险，采用主机入侵检测方案难以有效检测虚拟机进程异常行为，对此，提出了一种基于系统调用向量空间的虚拟机进程行为检测模型.模型采用了无代理监控技术透明的采集虚拟机进程系统调用数据，引入了TF-IDF(term frequency-inverse document frequency)算法思想为进程系统调用数据进行加权，用于区分租户虚拟机中运行的不同服务，识别异常进程行为.此外，为优化检测算法效率，设计了行格式存储法 (compressed sparse row, CSR)稀疏矩阵与KD树(k-dimension tree)相结合的存储策略.最后在KVM (kernel-based virtual machine)虚拟化平台下设计并实现了VMPBD (virtual machine process behavior detecting)原型系统，针对Linux与Windows虚拟机进行了功能测试和性能测试.实验结果表明：VMPBD能有效检出虚拟机进程异常行为，检测误报率与系统性能开销在可接受范围以内.
    Abstract: The intrusion detection scheme based on system call in the traditional host domain often monitors the running behavior of a single privileged process. It is difficult to effectively detect the abnormal process behavior of the virtual machine using the host intrusion detection scheme because of more security risks in the cloud computing environment. To break this limitation, a virtual machine process behavior detection model based on system call vector space is proposed. The model collects system call data of different operating system without using agent in the virtual machine. The TF-IDF (term frequency-inverse document frequency) algorithm idea is introduced to weight the process system call data to distinguish different running services in the virtual machine and identify abnormal process behavior. Furthermore, in order to optimize the efficiency of the detection algorithm, a storage strategy combining compressed sparse row (CSR) matrix and K-dimension tree is designed. Eventually a prototype system called VMPBD (virtual machine process behavior detecting) has been implemented on the platform of KVM (kernel-based virtual machine). The functions and performance of VMPBD is tested on Linux and Windows virtual machines. The results show that VMPBD can effectively detect the abnormal behavior of the virtual machine processes, and the detection false alarm rate and system performance overhead are within the acceptable range.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(40)

  • 期刊类型引用(20)

    1. 沈传年. 区块链安全问题研究综述. 计算机工程与科学. 2024(01): 46-62 . 百度学术
    2. 张烁晨. 量子纠缠及其应用研究. 电子技术. 2024(03): 4-7 . 百度学术
    3. 徐小桐，石润华，柯唯阳，于辉. 无中心的量子匿名一票否决方案. 量子电子学报. 2024(06): 901-913 . 百度学术
    4. 许龙，沈晶晶. 中美量子计算领域专利对比分析及发展预测. 中国发明与专利. 2024(12): 54-62 . 百度学术
    5. 张舒琪，李延斌，王蓬勃，葛春鹏，徐秋亮. 抗侧信道攻击的后量子密码掩码转换方案. 网络空间安全科学学报. 2024(05): 44-56 . 百度学术
    6. 蓝兰鸿，潘明华，王一涵，周家毓. 基于B92量子密钥分发的图像加密系统设计. 信息技术与信息化. 2023(01): 17-20 . 百度学术
    7. 李延斌，朱嘉杰，唐明，张焕国. 面向格密码的能耗分析攻击技术. 计算机学报. 2023(02): 331-352 . 百度学术
    8. 董慧康，裴东芳. 考虑无线网络安全的量子密码更新算法仿真. 计算机仿真. 2023(02): 399-402+491 . 百度学术
    9. 万华，周虎，朱德新，孙羽. 一种基于量子密钥的区块链身份认证方法. 软件工程. 2023(04): 38-41 . 百度学术
    10. 杨占杰. 核电DCS系统信息安全防护的探讨. 核科学与工程. 2023(04): 854-860 . 百度学术
    11. 王鹏，武俊鹏，高迪. 基于FPGA的Streamlined NTRU Prime抗量子加密技术研究. 无线电工程. 2022(03): 393-398 . 百度学术
    12. 李非凡. 后量子密码技术研究热点可视化分析. 河南理工大学学报(自然科学版). 2022(05): 137-145 . 百度学术
    13. 牛佳宁，赵子岩，李国春，赵永利. 新型电力系统配网运行场景下的量子密码技术应用体系架构. 电力信息与通信技术. 2022(11): 65-73 . 百度学术
    14. 刘峰，杨杰，李志斌，齐佳音. 一种基于区块链的泛用型数据隐私保护的安全多方计算协议. 计算机研究与发展. 2021(02): 281-290 . 本站查看
    15. 李萌，尚云. 两硬币量子游走模型中的相干动力学. 计算机研究与发展. 2021(09): 1897-1905 . 本站查看
    16. 潘世杰，高飞，万林春，秦素娟，温巧燕. 量子谱回归算法. 计算机研究与发展. 2021(09): 1835-1842 . 本站查看
    17. 孙玉明. 外加谐振电压时电容器的电容和电感. 烟台大学学报(自然科学与工程版). 2021(04): 386-391 . 百度学术
    18. 张中亚，吴文玲，邹剑. 多轮EM结构的量子差分碰撞密钥恢复攻击. 计算机研究与发展. 2021(12): 2811-2818 . 本站查看
    19. 冷新丽，韩跃军，李辉. 大学文科生物理科学素养现状调查及分析——以江西南昌市为例. 科教导刊. 2021(32): 155-158 . 百度学术
    20. WANG Yahui，ZHANG Huanguo. Quantum Algorithm for Attacking RSA Based on Fourier Transform and Fixed-Point. Wuhan University Journal of Natural Sciences. 2021(06): 489-494 . 必应学术

    其他类型引用(20)

    • 资源附件(0)
计量
  • 文章访问数:  981
  • HTML全文浏览量:  7
  • PDF下载量:  481
  • 被引次数: 40
出版历程
  • 发布日期:  2019-11-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计