APT样本的有效网络特征筛选算法

来源：计算机工程与应用杂志2019年第3期北京时间：

作者：李翼宏，杜镇宇，胡劲松

单位：国防科技大学 电子对抗学院 网络系，合肥 230037

摘要：在研究APT攻击的防御方案过程中，针对提取APT样本网络特征的维数过高问题，提出一种基于[k]-means++聚类的APT样本有效网络特征筛选算法。该算法的思路是首先基于聚类的思想将提取的原特征集划分成APT流量特征集与背景流量特征集，然后计算去掉某一维特征向量后聚类性能的变化程度，最后根据该结果评价该特征向量的区分度。其中，有效特征向量即为区分度超过设定阈值的特征向量。目的就是从提取的原特征集中筛选出有效特征，达成对特征的降维，从而降低后续威胁情报形成和部署检测工作的时空开销。实验结果表明，该算法具有一定可行性，针对此问题相比于其他筛选算法具有一定的优势。

关键词：APT攻击,网络特征,降维,[k]-means++,区分度