Wzorce behawioralne w zachowaniu użytkowników a systemy IDS

• Autorzy: Gołębski M. , Lewczuk R. , Chrabąszcz M.

Warianty tytułu

EN

Application of user behavioral patterns in IDS systems

• Języki publikacji: PL

Abstrakty

PL

Wszystkie współczesne systemy informacyjne wymagają i są zabezpieczane przed niepowołanym dostępem. Wykorzystywane są techniki oparte na hasłach dostępu, techniki biometryczne, techniki badające zachowanie się użytkownika. Artykuł poświęcony jest dziedzinie znajdującej się na pograniczu systemów badających wzorce behawioralne i systemów biometrycznych - badaniu dynamiki uderzeń w klawiaturę komputera. Niniejsza praca jest próbą znalezienia odpowiedzi na pytanie, jak przygotować dane i jakich użyć algorytmów aby móc identyfikować użytkowników korzystając z klawiatury jako biometrycznego urządzenia pomiarowego.

EN

Nearly all contemporary operating systems are protect against intruders. They use technique based on access passwords, biometric technique, behavioral technique. This paper concerns an area placed between biometric systems and systems based on behavioral patterns - exams user keystroke intervals. We want to answer question, how to prepare data and which algorithms should be used to effectively distinct users using keyboard as biometric device.

• Wydawca: Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2003
• Tom: nr 2
• Strony: 359--367
• Opis fizyczny: Bibliogr. 10 poz., 2 rys., 5 tab.

Twórcy

autor

Gołębski M.

• Instytut Informatyki Politechniki Warszawskiej

autor

Lewczuk R.

• Instytut Informatyki Automatyki i Informatyki Stosowanej Politechniki Warszawskiej

autor

Chrabąszcz M.

• Instytut Informatyki Automatyki i Informatyki Stosowanej Politechniki Warszawskiej

Bibliografia

• [1] Allen J., Christie A.: State of the Practice of Intrusion Detection Technologies. Networked Systems Survivability Program 2000.
• [2] BioPassword: http://www.biopassword.com
• [3] Cervone G., Michalski R. S.: Modeling User Behaviour by Integrating AQ Learning with a Database: Initial Results. (Materiały) Intelligent Information Systems 2002.
• [4] Cichosz P.: Systemy uczące się. WNT. Warszawa 2000.
• [5] Kumar S.: Classification and Detection of Computer Intrusions. Rozprawa doktorska (Październik 1995). Purdue University.
• [6] Lane T.: Machine Learning Techniques for the Domain of Anomaly Detection for Computer Security. Prude University
• [7] Matyas V., Riha Z.: Biometric-based Authentication for Mobile Devices. W: (Materiały) Technology for Mobile Society. Warszawa Most Press2002.
• [8] Network - vs. Host-based Intrusion Detection - A Guide to Intrusion Detection Technology. Internet Security Systems.
• [9] Sundaram A.: An Introduction to Intrusion Detection. 1996. ACM Crossroads 2.4.
• [10] Weka 3: Machine Learning Software in Java. Department of Computer Science. University of Waikato. http://www.cs.waikato.ac.nz/ml/weka