基于集成學(xué)習(xí)的系統(tǒng)調(diào)用實時異常檢測框架

摘要： 基于系統(tǒng)調(diào)用數(shù)據(jù)的異常檢測無法完成進程生命周期內(nèi)的入侵行為同步感知任務(wù)，且存在實時異常檢測準確率低的問題。提出一個基于集成學(xué)習(xí)的系統(tǒng)調(diào)用實時異常檢測框架，其中包括數(shù)據(jù)處理與切片、集成學(xué)習(xí)、異常檢測與反饋模塊。在數(shù)據(jù)處理與切片模塊中，對處于生命周期內(nèi)的進程行為軌跡進行采集與分析，根據(jù)線上待分析數(shù)據(jù)與線下模型訓(xùn)練數(shù)據(jù)對時效性的不同要求，設(shè)計2種系統(tǒng)調(diào)用軌跡的切分策略；在集成學(xué)習(xí)模塊...