PRODIGAL (datorsystem)

Proaktiv upptäckt av insiderhot med hjälp av grafanalys och inlärning

Etablering	2011
Sponsor	DARPA
Värde	9 miljoner dollar
Mål	Dataminera snabbt stora uppsättningar för att upptäcka anomalier

PRODIGAL ( proaktiv upptäckt av insiderhot med hjälp av grafanalys och inlärning) är ett datorsystem för att förutsäga avvikande beteende bland människor genom att datautvinna nätverkstrafik som e-post, textmeddelanden och serverloggposter . Det är en del av DARPA :s Anomaly Detection at Multiple Scales (ADAMS)-projekt. Det ursprungliga schemat är på två år och budgeten 9 miljoner dollar.

Den använder grafteori , maskininlärning , statistisk anomalidetektering och högpresterande beräkningar för att skanna större uppsättningar data snabbare än i tidigare system. Mängden data som analyseras ligger inom intervallet terabyte per dag. Målen för analysen är anställda inom staten eller försvarsupphandlande organisationer; specifika exempel på beteende som systemet är avsett att upptäcka inkluderar handlingar av Nidal Malik Hasan och WikiLeaks -källan Chelsea Manning . Kommersiella ansökningar kan innefatta finansiering. Resultaten av analysen, de fem allvarligaste hoten per dag, går till agenter, analytiker och operatörer som arbetar med kontraspionage .

Primär deltagare

• Georgia Institute of Technology College of Computing
• Georgia Tech Research Institute
• Defense Advanced Research Projects Agency
• Arméns forskningskontor
• Science Applications International Corporation
• Oregon State University
• University of Massachusetts Amherst
• Carnegie Mellon University

Se även

• Cyber ​​Insider-hot
• Einstein (US-CERT-program)
• Hot (dator)
• Intrångsdetektering
• ECHELON , Thinthread , Trailblazer , Turbulence (NSA-program)
• Fusion center , Investigative Data Warehouse (FBI)