文献

J-GLOBAL ID：201702247881833367   整理番号：17A1525791

深さ自己符号化ネットワークに基づくセキュリティ状況要素取得機構【JST・京大機械翻訳】

Mechanism of security situation element acquisition based on deep auto-encoder network

著者 (3件)： Zhu Jiang (重慶市移動通信重点実験室(重慶郵電大学),重慶,400065) ,  Ming Yue (重慶市移動通信重点実験室(重慶郵電大学),重慶,400065) ,  Wang Sen (重慶市移動通信重点実験室(重慶郵電大学),重慶,400065)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 37  号： 3  ページ： 771-776  発行年： 2017年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 大規模ネットワークの状況要素の獲得時間の複雑さが高く、攻撃サンプルの不均衡による小サンプル分類の精度が高くない問題に対して、深さ自己編成ネットワークに基づく状況要素の獲得メカニズムを提案した。この機構に基づいて,最適化された深さの自己編成符号ネットワークを,分類装置として用いて,データタイプを同定した。一方,自己符号化ネットワークにおける逐次訓練において,交差エントロピー(CE)関数と逆伝搬(BP)アルゴリズムを組み合わせた訓練規則を提案し,従来の分散コスト関数の重みが遅すぎるという欠点を克服した。他方では,深いネットワークの微調整と分類の段階で,オンラインのサンプリング(AOS)アルゴリズムを提案して,ネットワークの重みを更新するための攻撃サンプルをオンラインで選択し,全サンプルの冗長性とバランスのとれた攻撃サンプルの数を達成した。その結果,小分類攻撃サンプルの分類精度が改善された。実例データのシミュレーション分析を通して、この方案は比較的に良い状態要素の獲得精度があり、そしてデータ転送時の通信コストを有効に減らすことができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *セキュリティ ,  冗長性 ,  分類装置 ,  費用関数 ,  データ型 ,  *符号化 ,  エントロピー ,  *ネットワーク ,  最適化 ,  データ転送 ,  アルゴリズム
準シソーラス用語： 通信コスト ,  分類精度 ,  オンライン ,  大規模ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： network security ,  situation element ,  deep auto-encoder network ,  cross-entropy function ,  active learning

分類 (5件)： 人工知能  (JE08000Z) ,  システム最適化手法  (IA02050Z) ,  計算機網  (JC03000K) ,  ニューロコンピュータ  (JC06010Q) ,  電話・データ通信・交換一般  (ND11010T)

タイトルに関連する用語 (5件)： 自己 ,  符号化 ,  セキュリティ ,  状況 ,  要素