文献

J-GLOBAL ID：201702211902986896   整理番号：17A1786389

最適化データ処理に基づく深さ信念ネットワークモデルの侵入検出法【JST・京大機械翻訳】

Intrusion detection method of deep belief network model based on optimization of data processing

著者 (3件)： Chen Hong (遼寧工程技術大学軟件学院,遼寧葫芦島,125105) ,  Wan Guangxue (遼寧工程技術大学軟件学院,遼寧葫芦島,125105) ,  Xiao Zhenjiu (遼寧工程技術大学軟件学院,遼寧葫芦島,125105)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 6  ページ： 1636-1643,1656  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在のネットワークに存在する既知の攻撃タイプの侵入検出に対して比較的高い検出率があるが、新たに現れた攻撃タイプに対して識別が困難な欠陥問題に対して、最適化データ処理に基づく深さ信念ネットワーク(DBN)モデルの侵入検出方法を提案した。この方法は,学習された知識を破壊せずにリアルタイムの検出に影響を及ぼさない上で,データ処理と方法モデルを改良し,上記の問題を解決する。最初に,確率的質量関数(PMF)符号化とMaxMin正規化によって処理されたデータをDBNモデルに適用した。次に,他のパラメータを変化させることなく,パラメータと交差検証を変化させることによって,相対的に最適なDBN構造を選択して,未知の攻撃型を検出した。最後に,NSL-KDDデータセットに関する検証を行った。実験結果は,データの最適化がDBNモデルの分類精度を向上させることができて,DBNに基づく侵入検出法は良い適応性を有して,未知のサンプルに対してより高い認識能力を有することを示した。リアルタイムの検出において,提案した方法は,サポートベクトルマシン(SVM)アルゴリズムと逆伝搬(BP)ネットワークアルゴリズムのものと同じであることが示された,そして,それは,逆伝搬(BP)アルゴリズムと一致した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 適応性 ,  *ネットワーク ,  符号化 ,  *最適化 ,  正規化 ,  アルゴリズム ,  *データ処理 ,  サポートベクトルマシン
準シソーラス用語： ネットワークアルゴリズム ,  分類精度 ,  質量関数 ,  実時間 ,  検出率 ,  *侵入検知 ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： intrusion detection ,  optimization of data processing ,  deep learning ,  Deep Belief Network (DBN) ,  unknown attack detection

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 最適化 ,  データ処理 ,  信念ネットワーク ,  モデル ,  侵入 ,  検出法