文献

J-GLOBAL ID：201702259434425506   整理番号：17A1772682

作業進捗:IoTネットワーク侵入検出のための高速オンライン逐次学習加速器【Powered by NICT】

Work-in-progress: a fast online sequential learning accelerator for IoT network intrusion detection

著者 (4件)： Huang Hantao (School of Electrical and Electronic Engineering, Nanyang Technological University Singapore) ,  Khalid Rai Suleman (School of Electrical and Electronic Engineering, Nanyang Technological University Singapore) ,  Liu Wenye (School of Electrical and Electronic Engineering, Nanyang Technological University Singapore) ,  Yu Hao (School of Electrical and Electronic Engineering, Nanyang Technological University Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CODES+ISSS  ページ： 1-2  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： スマート建築物と家庭のためのIoTデバイスの展開は,増加するエネルギー効率と快適性の高レベルを提供するも結合したIoTデバイスによるネットワーク侵入のような潜在的なサイバー攻撃を導入することができる。確保IoTネットワークへの低電力と低遅延要求のために,従来のソフトウェアベースのセキュリティシステムは適用できない。代わりに,埋め込まれたハードウェア加速器に基づくデータ分析は,ネットワーク侵入検出のためのより優先される。本論文では,実時間ネットワーク侵入検出を行うためにオンライン逐次機械学習ハードウェアアクセラレータを提案した。ハードウェア上に実現した最小二乗ソルバで開発された単一隠れ層フィードフォワードニューラルネットワークに基づく学習アルゴリズム。単一FPGA上での実験結果により,多数のベンチマークに基づく高速まだ低電力ネットワーク侵入検出を用いた409.6Gbpsの帯域幅を達成した。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： ベンチマーク ,  データ解析 ,  電力系統 ,  最小二乗法 ,  ハードウェア ,  エネルギー効率 ,  学習アルゴリズム ,  *ネットワーク ,  帯域幅 ,  FPGA ,  機械学習
準シソーラス用語： フィードフォワードニューラルネットワーク ,  *侵入 ,  *侵入検知 ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： IoT ,  侵入 ,  オンライン ,  逐次学習 ,  加速器