文献

J-GLOBAL ID：201702220106358544   整理番号：17A0414514

オンラインでスケーラブルな教師なしネットワーク異常検出法【Powered by NICT】

Online and Scalable Unsupervised Network Anomaly Detection Method

著者 (3件)： Dromard Juliette (LAAS-CNRS, Toulouse, France) ,  Roudiere Gilles (LAAS-CNRS, Toulouse, France) ,  Owezarski Philippe (LAAS-CNRS, Toulouse, France)
資料名： IEEE Transactions on Network and Service Management  (IEEE Transactions on Network and Service Management)
巻： 14  号： 1  ページ： 34-47  発行年： 2017年 
JST資料番号： W2434A  ISSN： 1932-4537  資料種別： 逐次刊行物 (A)
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： 今日,ネットワーク侵入検知器は主に疑わしいトラヒックを検出するための知識データベースに依存している。これらのデータベースは,重要な人的資源と時間を必要とする連続的に更新する必要がある。教師無しネットワーク異常検出器は,事前知識なしに異常を同定するための「知的」法を用いてこの問題を克服した。しかし,これらのシステムはしばしばそれらは流れパターンを同定するためのネットワークトラフィックを探求する必要があるとして非常に複雑である。,リアルタイム要求を満たすことができないことが多い。本論文では,新しいオンラインおよびリアルタイム教師なしネットワーク異常検出アルゴリズム(ORUNADA)を提案した。筆者らの解は異常を迅速に検出するための特徴空間とインクリメンタルグリッドクラスタリングを連続的に更新する離散時間スライディングウィンドウに依存している。評価はORUNADAはオンライン大規模ネットワークトラヒックを処理できる低い検出遅延と良好な検出性能を確保することを示した。スペイン中間インターネットサービスプロバイダのコアネットワークの交通で行った実験はORUNADAは半分以下を検出するその発生後異常ことを実証した。さらに,その結果は,提案した解決策は,真陽性率と偽陽性率の点で,文献で報告されている既存技術より優れていることを明らかにした。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： *ネットワーク ,  データベース ,  基幹回線
準シソーラス用語： 偽陽性率 ,  陽性率 ,  ISP【インターネット】 ,  大規模ネットワーク ,  スライディングウィンドウ ,  特徴空間 ,  検出アルゴリズム ,  実時間 ,  ネットワークトラフィック ,  知識データベース ,  *異常検出 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： オンライン ,  教師 ,  異常検出