search query: @keyword tiedonlouhinta / total: 21
reference: 12 / 21
« previous | next »
Author:Halonen, Perttu
Title:Tiedonlouhinnan käyttö tietoturvan tarkkailussa
Using data mining in information security monitoring
Publication type:Master's thesis
Publication year:2008
Pages:iv + 63      Language:   fin
Department/School:Informaatio- ja luonnontieteiden tiedekunta
Main subject:Tietojenkäsittelyteoria   (T-119)
Supervisor:Niemelä, Ilkka
Instructor:Kari, Hannu H.
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark Aalto     | Archive
Keywords:information security
anomaly detection
data mining
frequent episodes
tietoturva
poikkeavan käyttäytymisen havainnointi
tiedonlouhinta
kattavat episodit
Abstract (fin): Tietoturvan valvonta on välttämätön osa tehokasta tietoturvan toteuttamista.
Tietoturvan valvontaan on kaksi päätapaa: väärinkäytösten ja poikkeavan käytöksen havainnointi.
Ne täydentävät toisiaan.
Tämän työn tavoitteena on kehittää poikkeavan käyttäytymisen havainnointimenetelmiä, joiden avulla väärinkäytösten havainnointia saataisiin tarkemmaksi.

Väärinkäytösten havainnointi on laskennallisesti tehokasta ja väärät positiiviset luokittelut ovat harvinaisia.
Aiemmin tuntemattomia tietoturvan loukkaustapoja väärinkäytösten havainnointi ei kuitenkaan huomaa.
Poikkeavan käyttäytymisen havainnoinnilla uudet loukkaustavat voidaan huomata, mutta paljon sallittuakin käytöstä luokitellaan poikkeavaksi.
Tilastolliset poikkeavan käyttäytymisen havainnointimenetelmät eivät myöskään esitä tarkkaan, mitkä tarkkailtavan järjestelmän tapahtumat olivat poikkeavia.

Tietokoneiden tapahtumaketjulokeista voidaan louhia esimerkiksi A priori -tyyppisellä algoritmilla kattavat rinnakkaiset tapahtumaepisodit.
Kattavia episodeja tutkimalla tarkkailtavaa järjestelmää tunteva henkilö voi usein sanoa, mitkä tapahtumaketjut ovat sallittuja ja mitkä eivät.
Kielletyiksi arvioiduista episodeista voidaan tehdä sääntöjä väärinkäytösten havainnoinnin tietokantaan ja sallituiksi arvioiduista koota tavanomaisen käyttäytymisen profiili.

Episodien kattavuuden kynnysarvon on oltava matala, jotta löytyvät episodit kattaisivat mahdollisimman useita lokirivejä.
Tällöin myös episodeja löytyy runsaasti.
Episodeissa on paljon päällekkäisyyksiä ja niistä välittyvä järjestelmän kuva on sekava.
Tässä työssä esitellään algoritmeja, joilla tuohon sekavuuteen voi saada järjestystä.
Ne toimivat poikkeavan käyttäytymisen havainnoinnin periaatteella ja perustuvat episodien keskinäiseen joukko-opilliseen hierarkiaan sekä episodien esiintymisten tilastoihin.

Alustavat kokeet työssä kehitetyillä algoritmeilla osoittavat, että ne toimivat oikein ja nostavat lokimassasta esiin mielenkiintoisia tapahtumajonoja ja suhteita eri tapahtumajonojen kesken, joiden keksiminen pelkkiä lokeja selailemalla olisi ollut vaikeaa.
Algoritmit vaativat kuitenkin vielä lisää kehittelyä ja kokeilua.
Lokitapahtumien tyypitys jäi datan lähteen huonon tuntemuksen vuoksi vaillinaiseksi ja algoritmien toteutuksissa oli virheitä.
Algoritmien tuloksiin jäi sen vuoksi häiritsevän paljon hälyä.
ED:2008-05-19
INSSI record number: 35606
+ add basket
« previous | next »
INSSI