网络威胁与工具分类法

基于机器学习的入侵检测系统由于缺乏准确代表网络流量及其相关威胁的数据集而难以评估。在本项目中，我们尝试通过提出两个分类法——“入侵检测系统设计技术、网络威胁与数据集分类法及综述”和“用于入侵检测系统的恶意流量分类法”——来解决这一问题，对威胁进行分类并评估当前数据集。结果表明，目前大量已发表的研究使用过时的数据集和过时的威胁来训练入侵检测算法。为此，我们提供了威胁分类法的源代码，使其他研究人员能够贡献和修改它。

该分类法是阿伯泰大学、思克莱德大学、海军学院研究所和米德尔塞克斯大学（毛里求斯校区）之间的合作成果。

分类法结构

该分类法根据以下维度对每种网络威胁进行分类：

• 来源（即网络、主机、软件、硬件、人为）
• OSI 层
• 主动/被动

拉取请求的先决条件

确保 LaTeX 源代码能够正确编译。

论文与引用

我们论文的最终版本已在 IEEE Access 期刊上发表。论文《A Taxonomy of Network Threats and the Effect of Current Datasets on Intrusion Detection Systems》可在此处查阅。

我们已在 Arxiv 上发布了论文的预印本，其中包含原始分类法，论文题为《A Taxonomy and Survey of Intrusion Detection System Design Techniques, Network Threats and Datasets》。论文可在此处查阅。

如果您想引用本文，请使用以下格式：

@ARTICLE{9108270,  
	author={H. {Hindy} and D. {Brosset} and E. {Bayne} and A. {Seeam} and C. {Tachtatzis} and R. {Atkinson} and X. {Bellekens}},  
	journal={IEEE Access},   
	title={A Taxonomy of Network Threats and the Effect of Current Datasets on Intrusion Detection Systems},   
	year={2020},  
	volume={},  
	number={},  
	pages={1-1},}

贡献者

• Hanan Hindy
• Dr Xavier Bellekens

分类法示例

• 威胁

威胁按照 OSI 模型的 7 层进行组织，如下所示。

• 工具

威胁与用于实施攻击的工具相关联。