基于K-means和naive Bayes的数据库用户行为异常检测研究

来源：计算机应用研究杂志2020年第4期北京时间：

作者：王旭仁,冯安然,何发镁,马慧珍,杨杰,

单位：1.首都师范大学信息工程学院,北京100048；2.中国科学院信息工程研究所中国科学院网络测评技术重点实验室,北京100093；3.北京理工大学图书馆,北京100081；

摘要：针对数据库用户行为异常导致数据库泄露问题，提出了一种基于K-means和naive Bayes算法的数据库用户异常检测方法。首先，利用数据库历史审计日志中用户的查询语句与查询结果，采用K-means聚类方法得到用户的分组；然后，使用naive Bayes分类算法构造用户异常检测模型。与单独使用naive Bayes分类法构造的模型相比，在数据预处理时其精简了用户行为轮廓的表示方法，降低了计算冗余，减少了81%的训练时间；利用K-means聚类方法得到用户组别，使检测的精确率提高了7.06%，F1值提高了3.33%。实验证明，所提方法大幅降低了训练时间，取得了良好的检测效果。

关键词：数据库,用户行为,异常检测,K-means聚类,naiveBayes分类算法,

基金资助：国家自然科学基金资助项目(61373161)；中国科学院信息工程研究所中国科学院网络测评技术重点实验室2018开放课题；；