文献

J-GLOBAL ID：201702260173230351   整理番号：17A1267640

クラウドにおけるソース側からの機械学習に基づくDDoS(分散サービス拒否)攻撃の検出【Powered by NICT】

Machine Learning Based DDoS Attack Detection from Source Side in Cloud

著者 (3件)： He Zecheng ,  Zhang Tianwei ,  Lee Ruby B.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CSCloud  ページ： 114-120  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： サービスの拒否(DOS)攻撃は,ネットワークセキュリティに深刻な脅威である。これらの攻撃はしばしば雲における仮想マシンからではなく,攻撃者の自身の機械から供給され,匿名性と高いネットワーク帯域幅を達成した。過去の研究は,予め定義されたしきい値を用いた目的地(被害者)側のトラフィックを解析することに焦点を当てた。これらのアプローチは,重要な欠点を持つ。攻撃後の受動的防御であり,それらは攻撃の外向きの統計的特徴を利用できない,これらの手法と攻撃者に由来することが困難である。本論文では,雲中のソース側にDOS攻撃検出システム,機械学習技術を提案した。本システムはクラウドサーバのハイパーバイザと仮想マシンの両方からの統計情報を活用し,外部ネットワークに送出されてからネットワークパッケージを防止する。九機械学習アルゴリズムを評価し,それらの性能を比較した。著者らの実験結果は,四種類のDOS攻撃の99.7%以上が成功裡に検出されることを示した。著者らの手法は,性能を劣化させず,より広いDOS攻撃に容易に拡張できる。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 ,  *機械学習 ,  学習アルゴリズム ,  仮想機械システム ,  帯域幅 ,  *サイバー攻撃
準シソーラス用語： 統計情報 ,  ハイパーバイザ ,  機械学習技術 ,  統計的特徴 ,  防衛 ,  被害者 ,  匿名性 ,  攻撃者 ,  ネットワークセキュリティ ,  *DDoS攻撃 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (7件)： クラウド ,  ソース ,  機械学習 ,  DDoS ,  サービス ,  拒否 ,  攻撃