计算机安全
入侵检测与匹配算法

混淆矩阵与贝叶斯计算

来源:IDS 课件第 7–12 页。第 11–12 页存在计算或条件表述问题,本篇保留原题条件并重新计算。

1. 先分清真实情况与检测结果#

真实情况\检测结果 报警 不报警
真攻击 TP,真正例 FN,漏报
正常 FP,误报 TN,真负例
  • 检出率/召回率 TPR=TP/(TP+FN)。
  • 漏报率 FNR=FN/(TP+FN)。
  • 误报率 FPR=FP/(FP+TN)。
  • 报警精确率 Precision=TP/(TP+FP)。
  • 总体准确率 Accuracy=(TP+TN)/(TP+FP+TN+FN)。

“正常事件有多少被误报”与“报警里有多少是假报警”分母不同,不能都叫同一个数。

2. 用条件概率读题#

设 T=真的攻击,A=发出报警。

  • P(A|T):已知是攻击,报警概率;是检出率。
  • P(A|非T):已知正常,报警概率;是误报率。
  • P(T|A):已知报警,实际攻击概率;是我们常想知道的可信度。

竖线表示“在什么已知条件下”。P(A|T) 与 P(T|A) 不能交换。

3. 贝叶斯公式#

P(A) = P(A|T)P(T) + P(A|非T)P(非T)

P(T|A) = P(A|T)P(T) / P(A)

令攻击基率为 p、检出率为 d、误报率为 f:

报警可信度 = dp / [dp+f(1−p)]

4. 重新计算课件例题#

给定 p=1/10000=0.0001,d=0.99,f=0.01。

真正攻击并报警:0.99×0.0001 = 0.000099
正常但误报:   0.01×0.9999 = 0.009999
总报警概率:   0.010098
报警可信度:   0.000099/0.010098 ≈ 0.009804 = 0.9804%

用 1,000,000 个事件更直观:其中 100 个攻击,99 个被检出;999,900 个正常事件里有 9,999 个误报;总报警 10,098 个,实际攻击只占约 0.98%。

课件第 11 页把总报警概率写成 0.10098 等值,不能直接背;上面是按其列出的检出率/误报率条件重算的结果。

5. “准确率 99%”为什么信息不够#

只给总体 Accuracy=99%,不能唯一决定 TPR 和 FPR,因此不足以直接求报警精确率。

若攻击占 1%,并明确 TPR=99%,FPR=1%,则:

P(T|A)=0.99×0.01 / (0.99×0.01+0.01×0.99)=50%

所以课件第 12 页“攻击 1%、检测正确率 99%→报警准确度 1%”不能在未说明条件时照搬。

6. 让报警可信度达到 50% 要多低的误报率#

在前例 p=0.0001、d=0.99 下,令分子与误报项相等:

dp = f(1−p)
f = dp/(1−p) ≈ 0.00009901 = 0.009901%

即正常事件误报率需约万分之一量级,而不是百分之一量级。这个结果依赖给定的 p 和 d,不能概括为所有系统“准确率到某数就行”。

7. 稳定的解题步骤#

  1. 定义攻击和报警两个事件。
  2. 标出基率、检出率、误报率。
  3. 求“攻击且报警”和“正常且报警”。
  4. 两者相加得到总报警概率。
  5. 真报警除以所有报警,再正确换算百分比。

自测#

p=1%、d=90%、f=1%,报警可信度是多少?

答案:0.009/(0.009+0.0099)≈47.62%。即使多数攻击能检出,也不表示多数报警一定可靠。

— 本篇阅读完毕 —
来源:计算机安全知识点 / 05_入侵检测与匹配算法/02_混淆矩阵与贝叶斯计算.md 下载原文
输入关键词,在三个知识库中搜索
支持正文检索 · 直接定位章节Esc 关闭