文献

J-GLOBAL ID：201702234322544204   整理番号：17A0373615

教師つき侵入感度ベース信用管理モデルを用いたインサイダー攻撃に対抗する協調的侵入検出ネットワークを強化【Powered by NICT】

Enhancing collaborative intrusion detection networks against insider attacks using supervised intrusion sensitivity-based trust management model

著者 (4件)： Li Wenjuan (Department of Computer Science, City University of Hong Kong, Hong Kong SAR) ,  Meng Weizhi (Department of Applied Mathematics and Computer Science, Technical University of Denmark, Denmark) ,  Kwok Lam-For (Department of Computer Science, City University of Hong Kong, Hong Kong SAR) ,  IP Horace H.S. (Department of Computer Science, City University of Hong Kong, Hong Kong SAR)
資料名： Journal of Network and Computer Applications  (Journal of Network and Computer Applications)
巻： 77  ページ： 135-145  発行年： 2017年 
JST資料番号： H0842A  ISSN： 1084-8045  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 複雑な攻撃に対して防御するために,共同侵入検出ネットワーク(CIDNs)は検出精度,情報を収集し,他の経験を学習するために,IDSを増強するために開発した。しかし,この種のネットワークであるインサイダ攻撃(例えば,裏切り攻撃)により利用される悪意あるノードに脆弱である。著者らの以前の研究では,侵入感度の概念を開発し,インサイダ攻撃の検出を改善する手助けになることが確認されたが,値を自動的に指定するためのこれらのノードに対し未だ挑戦的である。本論文では,各IDSは,検出感度を考慮して他の信頼性を評価することを可能にした侵入感度ベースの信用管理モデルを設計し,さらに教師つき手法,専門知識に基づく侵入感受性の値を自動的に指定するための機械学習技術を採用しているを開発することを目的とした。評価では,感度値を割り当てることに三種類の教師つき分類器の性能を比較し,様々な攻撃シナリオの下で,実際の無線センサネットワークにおける信用モデルを調べた。実験結果は,この信用モデルは悪意のあるノードの検出精度を向上させ,同様のモデルと比較して優れた性能を達成できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 感受性 ,  *ネットワーク ,  信頼性 ,  機械学習
準シソーラス用語： 無線センサネットワーク ,  専門知識 ,  検出能 ,  検出精度 ,  *侵入検知 ,  *侵入 , 【Automatic Indexing@JST】

著者キーワード (6件)： 侵入検出 ,  協調ネットワーク ,  侵入感受性 ,  機械学習 ,  信用管理モデル ,  インサイダー攻撃

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

タイトルに関連する用語 (9件)： 教師 ,  侵入 ,  感度 ,  信用 ,  管理モデル ,  インサイダー ,  攻撃 ,  協調 ,  強化