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#
- 定义攻击和报警两个事件。
- 标出基率、检出率、误报率。
- 求“攻击且报警”和“正常且报警”。
- 两者相加得到总报警概率。
- 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。