文献

J-GLOBAL ID：201702219809463361   整理番号：17A1729898

ソフトウェア定義ネットワークのための機械学習に基づく侵入検出システム【Powered by NICT】

Machine learning based intrusion detection system for software defined networks

著者 (2件)： Abubakar Atiku (Department of Engineering and Mathematics, Sheffield Hallam University, Sheffield, S1 1WB, U.K.) ,  Pranggono Bernardi (Department of Engineering and Mathematics, Sheffield Hallam University, Sheffield, S1 1WB, U.K.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EST  ページ： 138-143  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： ソフトウェア定義ネットワーク(SDN)は,設計,構築方法を変化させ,ネットワークアーキテクチャを操作することが期待される新しい分野である。開とプログラマブルネットワークアーキテクチャに基づく独自の伝統的なネットワークアーキテクチャからシフトする傾向がある。しかし,この新しい革新的で改善された技術は,他のセキュリティ負担をもたらすネットワークアーキテクチャへの既存および新たなセキュリティ脅威であった。ネットワーク脆弱性は侵入者にオープンになっている:中央制御装置は主要標的である焦点は,単一の故障点にシフトした。,侵入検知システム(IDS)の統合SDN(ソフトウェア定義ネットワーキング)アーキテクチャに着目することでDoS攻撃対策ネットワークを提供するために不可欠である。研究は実際のネットワーク環境のプロセス,スタートポロジーは,OpenFlow OVSスイッチに接続された計算機とサーバで作成された)をシミュレートする仮想テストベッドを設計・開発した。シグネチャ型Snort IDSは交通監視と攻撃検出のための,サーバへの交通destineを反映した。脆弱性評価は,考えられる攻撃は,ネットワーク構造に存在する脅威と提言が可能な緩和した少数を除いてIDSをSnortによる含む効果的に示した。建築における拡張脅威検出を提供するために,フローベースIDS(侵入検出システム)モデルを開発した。シグネチャベースIDSの制限を克服するために機械学習により実現したフローベース異常検出。結果は,この訓練したモデルを用いた機械学習のためのニューラルネットワークのパターン認識97%以上の精度でSDN(ソフトウェア定義ネットワーキング環境における殆どの全ての可能性ある攻撃検出のための正の改善を示した。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： *機械学習 ,  ネットワークアーキテクチャ ,  ネットワーク構造 ,  計算機アーキテクチャ ,  *ネットワーク ,  ニューラルネットワーク ,  スイッチ ,  セキュリティ
準シソーラス用語： 異常検出 ,  テストベッド ,  OpenFlow ,  侵入検知システム ,  *侵入 ,  脆弱性 ,  *侵入検知 , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (4件)： ソフトウェア定義ネットワーク ,  機械学習 ,  侵入 ,  検出システム