重み付きテキストベース特徴を用いた悪意のあるURL検出のための優先順位付き能動学習【Powered by NICT】

Das Bhattacharjee Sreyasee; Talukder Ashit; Al-Shaer Ehab; Doshi Pratik

文献

J-GLOBAL ID：201702243504871818 整理番号：17A1356769

重み付きテキストベース特徴を用いた悪意のあるURL検出のための優先順位付き能動学習【Powered by NICT】

Prioritized active learning for malicious URL detection using weighted text-based features

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1356769&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1356769&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (4件)： , , ,
資料名：
巻： 2017 号： ISI ページ： 107-112 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)

データ分析はサイバーセキュリティ問題で用いられる,データ量と不均一性は,セキュリティ専門家による手動評価のための扱いにくいものにしている場合に有用であることが分かっている。データ駆動型分析を含む実用的なサイバーセキュリティシナリオでは,注釈(すなわちグランドトルースラベル)を持つデータを得る多くの教師つきセキュリティ分析タスクのために挑戦的で知られている制限因子である。大規模データセットのかなりの部分は典型的にラベル付けされていないまま,アノテーションタスクを広範囲に人力によるもので,膨大な専門家の介入を必要とする。本論文では,フィッシング分類の実用的サイバーセキュリティ問題,半教師有り解決策を設計するための人間-機械協調手法を使用するこの制限を効果的に解決できる有効な能動学習手法を提案した。初期分類器は,反復的な方法で,分類器の性能に影響を与える高速が最もありそうなラベル無しデータの大きなプールから唯一の適切な試料をshortlistingにより更新徐々にである注釈付きデータの小さな量に学習される。優先順位付き能動学習は,バッチ学習フレームワークにおける分類性能の観点で迅速な収束を達成するために意味のある可能性を示し,ヒトアノテーションのための更に少ない努力を必要とする。能動学習と組み合わせた有用な特徴重み更新手法は訓練中に利用できる大量の注釈付き訓練サンプルを必要とせずにフィッシング/悪意のあるURLを分類するための有望な分類性能を示した。PhishMongerの標的ブランドデータセットのいくつかのコレクションを用いた実験では,提案した方法は12%もベースラインよりも顕著な改善を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , データ保護 , 計算機網

, ,

前のページに戻る