文献

J-GLOBAL ID：201702264292591000   整理番号：17A1241113

ボットネット挙動解析:最小を用いたデータ分析ベースシステムが行う先験情報であろうか【Powered by NICT】

Botnet behaviour analysis: How would a data analytics-based system with minimum a priori information perform?

著者 (2件)： Haddadi Fariba (Faculty of Computer Science, Dalhousie University, Halifax, NS, Canada) ,  Zincir-Heywood A. Nur (Faculty of Computer Science, Dalhousie University, Halifax, NS, Canada)
資料名： International Journal of Network Management  (International Journal of Network Management)
巻： 27  号： 4  ページ： null  発行年： 2017年 
JST資料番号： W2616A  ISSN： 1055-7148  資料種別： 逐次刊行物 (A)
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： 最も攻撃的な脅威の一つとして,ボットネットは2003年以降それらのライフサイクルの異なる段階での異なる技術,トポロジー,および通信プロトコルを使用した。,ボットネット同定は,いつでもその方法論を向上できることを考えると,特異的に非常に困難になってきている。種々の検出手法はサイバーセキュリティ研究者によって提案された,これらの脅威の様々な側面に焦点を当ててきた。本研究では,5種類のボットネット検出法を調べた。これらのシステムを用いて,技術と二つは,パブリック・ルールベースシステム(BotHunterとSnort)と異なる特徴抽出法(パケットペイロードベースと交通流)を持つ他の3使用機械学習アルゴリズムが使用されたデータの型に基づいて選択した。一方,これらのシステムの4は事前知識に基づいている一つは最小の事前情報を用いたであった。この解析の目的は,異なるシナリオ(例えば,マルチボットネットと単一ボットネット分類)のもとでの,これらのアプローチの有効性を評価するために,最小事前情報を用いたシステムがどう機能するか調べた。目標は最小事前情報を用いたシステムは,事前知識を用いたシステムと比較して比肩可能な性能をもたらす可能性があるかどうかを調べることである。評価は24種類の公開利用可能なボットネットデータセット上で示した。結果は,最小事前情報を用いた機械学習ベースシステムは非常に高い性能を達成するだけでなく,広い範囲のボットネット構造の(集中分散ボットネットから)に評価した他のシステムよりもはるかに良好な一般化したことを示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 交通流 ,  ライフサイクル ,  検出法 ,  学習アルゴリズム ,  位相幾何学 ,  特徴抽出 ,  *データ解析 ,  機械学習
準シソーラス用語： 事前知識 ,  サイバーセキュリティ ,  通信プロトコル ,  *挙動解析 ,  *ボットネット , 【Automatic Indexing@JST】

著者キーワード (4件)： ボットネット挙動 ,  データ分析 ,  機械学習 ,  ネットワークフロー解析

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 (4件)： ボットネット ,  挙動解析 ,  データ分析 ,  先