文献

J-GLOBAL ID：201502270079457430   整理番号：15A0375587

CANN:クラスタ中心と最近傍の組み合わせに基づく侵入検出システム

CANN: An intrusion detection system based on combining cluster centers and nearest neighbors

著者 (3件)： LIN Wei-Chao (Dep. of Computer Sci. and Information Engineering, Hwa Hsia Univ. of Technol., Taiwan) ,  KE Shih-Wen (Dep. of Information and Computer Engineering, Chung Yuan Christian Univ., Taiwan) ,  TSAI Chih-Fong (Dep. of Information Management, National Central Univ., Taiwan)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 78  ページ： 13-21  発行年： 2015年04月 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 侵入検出システム(IDS)の目的は,通常のファイアウオールでは検出できない種々の種類の悪意のあるネットワークトラフィックやコンピュータ利用を検出することである。多くのIDSが機械学習手法に基づき開発されてきた。特に,複数の学習手法の組み合わ,又は,統合により生成された先端的検出アプローチは,一般の単一学習手法よりも,優れた検出性能を示している。特徴表現法は正しい分類を実現する重要なパターン分類器であるが,正常接続と効果的な攻撃検出のための,より代表的な特徴抽出を如何に行うかに焦点を当てた研究は極めて少ない。本論文では,新しい特徴表現アプローチを提案した。即ち,クラスタ中心と最近傍(CANN)アプローチである。このアプローチにおいては,2つの距離を測定し,合算する。最初のものは,各データサンプルとそのクラスタ中心との距離に基づくものであり,第2の距離は,同じクラスタにおけるデータとその最近傍の距離である。そして,この新しい1次元距離ベース特徴を用いて,k最近傍(k-NN)分類器により侵入検出のための各データサンプルを代表させるのに使用する。KDD-Cup99データセットに基づく実験結果から,CANN分類器は,元の特徴表現によって学習されテストされたk-NNやサポートベクトルマシンよりも,分類精度,検出率,誤警告において,より優れているか同等であることを示した。分類器学習とテスト(即ち,検出)の時間における高い計算効率も与える。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *コンピュータセキュリティ ,  *機械学習 ,  クラスタ化 ,  アルゴリズム ,  有向グラフ ,  距離空間 ,  通信信号 ,  トラヒック処理 ,  計算機利用 ,  データ融合 ,  パターン分類 ,  コンピュータ ,  分類装置 ,  特徴抽出
準シソーラス用語： アンサンブル分類器 ,  コンピュータ利用 ,  データクラスタリング ,  トラフィック【通信】 ,  最近傍法 ,  *侵入検出 ,  特徴表現 ,  分類機

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： クラスタ ,  組み合わせ ,  侵入 ,  検出システム