Inference na grafu reprezentující počítačovou síť

Abstract

Inference hodnot neznámých náhodných proměnných v grafu je široce studovaný problém. Grafová reprezentace systému náhodných proměnných je méně svazující, protože do grafu můžou být zakódovány vztahy mezi proměnnými. Tento obecnější model ale získáváme za cenu toho, že některé běžné předpoklady přestávají platit, jako například podmínka nezávislých a stejně rozdělených vzorků, která se uplatňuje ve statistickém strojovém učení. Toto má za následek, že databáze použitelných metod a algoritmů je omezená a zpravidla nejsou poskytovány žádné záruky. Metod, které by umožňovaly jakoukoliv formu učení svých parametrů, je ještě méně. V této práci představíme nový formalismus pro úlohu inference nad grafickými modely a demonstrujeme jeho flexibilitu a obecnost v porovnání se staršími modely. Pro experimentální ověření našich tvrzení se pokusíme vyřešit úlohu klasifikace počítačových serverů jako škodlivých anebo neškodných, to vše pouze pomocí sledování síťového provozu a dodaného blacklistu známých hrozeb. Tuto úlohu jsme zformulovali pomocí nového formalismu a vzniklou metodu řešení implementovali. Rané experimenty ukazují, že tato metoda překonává patentovaný state-of-the-art algoritmus `Probabilistic threat propagation' a zároveň je více obecná.

The task of inferring unknown random variables on a graph is a widely researched topic. Representing a system of random variables as a graphical model is less constraining as the graphs allow the capture of dependencies between random variables. The more general model comes at the cost of limited assumption set, for instance, i.i.d. assumption used in the classical statistical machine learning setting becomes invalid. As a result, the size of the knowledge base of algorithms for performing inference on graphical models is small, no guarantees are usually provided, and the number of inferential algorithms with learnable parameters is even lower. In this thesis, we propose a novel formalism for performing graph inference on graphical models. We show that the formalism embraces many inference procedures and is very general compared to the inflexible models of prior art. To demonstrate our claims we attempt to solve the problem of classifying unknown computer servers as malicious or benign based only on the network traffic and a blacklist of known malicious domains in the network. To accomplish this, we formulate the task in terms of the proposed formalism and implement the solution. Early experiments indicate that our method performs superiorly to the patented state-of-the-art Probabilistic threat propagation algorithm and at the same time is more general and offers greater flexibility.