文献

J-GLOBAL ID：201702215715466692   整理番号：17A1275360

大規模データ規模における効率的なクラスタ分析を用いたDDoS攻撃検出アプローチ【Powered by NICT】

DDoS attack detection approach using an efficient cluster analysis in large data scale

著者 (2件)： Bhaya Wesam (College of Information Technology, University of Babylon, Babil - Iraq) ,  EbadyManaa Mehdi (College of Information Technology, University of Babylon, Babil-Iraq)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： NTICT  ページ： 168-173  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： サービス(DDoS)攻撃の分散拒否はネットワークとホストベース資源正当なユーザに利用できない様にし,被害者の資源にフラッディング攻撃パケットを送ることを混雑ベース攻撃である。純粋なネットワークフローを正確に同定する予め定義された規則の非存在は,DDoS攻撃検出のタスクは非常に困難であった。本論文では,侵入検知システムとしての教師なしデータマイニング技法の組合せを紹介した。入力パケットを窓がけの項におけるエントロピー概念をクラスター分析としてクラスタリングを用いた代表的な(硬化)を用いたデータマイニング技術を適用したネットワークフローにおけるDDoS攻撃を検出することである。データは主にDARPA2000,CAIDA2007とCAIDA2008データセットから収集した。提案されたアプローチは,精度,誤警報率,検出率,F測度とΦ係数の項におけるいくつかの既存アプローチで評価し,比較した。結果は,四または五回検出された相,99%以上の正解率96.29%の検出率,約0%の偽警報率97.98%のF測度,及び97.98%ファイ係数を用いた提案アプローチの優位性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 警報 ,  データマイニング ,  パケット ,  セキュリティシステム ,  エントロピー ,  ネットワーク ,  測度 ,  *クラスタ分析 ,  フラッディング ,  *サイバー攻撃
準シソーラス用語： 正解率 ,  検出率 ,  誤警報率 ,  侵入検知システム ,  ネットワークフロー ,  *DDoS攻撃 ,  *大規模データ , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 大規模データ ,  規模 ,  クラスタ分析 ,  DDoS攻撃