文献

J-GLOBAL ID：201702269044745166   整理番号：17A1257537

神経形態学的計算システムに対するサイバーセキュリティのためのネットワーク侵入検出【Powered by NICT】

Network intrusion detection for cyber security on neuromorphic computing system

著者 (2件)： Alom Md Zahangir (Department of Electrical and Computer Engineering, University of Dayton, OH, USA) ,  Taha Tarek M. (Department of Electrical and Computer Engineering, University of Dayton, OH, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 3830-3837  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： 本論文では,深層学習(DL)を用いたサイバーセキュリティのためのネットワーク侵入検知システム(IDS)のための神経形態学的認知コンピューティングアプローチを実証した。DLのアルゴリズム的出力はサイバーセキュリティのための迅速かつ非常に電力効率的な神経形態学的プロセッサと統合した。この実装では,データは訓練フェーズにおけるオートエンコーダ(AE)と呼ばれる管理されない深層学習技術を訓練するためにコードされる数値解析した。AEの発生量はニューラルネットワークを用いた教師つき学習相の初期重みとして使用されている。最終体重はニューロンのためのクロスバ重量,シナプス重みとしきい値を生成するための離散ベクトル因数分解(DVF)を用いた離散値に変換した。最後に,生成したクロスバ重量,シナプス荷重,しきい値,および漏れ値はクロスバーとニューロンに写像した。試験相では,コードされた試験試料はハイブリッド符号化法を用いてスパイク形に変換した。モデルはIBM神経シナプスコアシミュレータ(NSCS)および実際のIBM TrueNorth神経チップ上に展開され,試験した。実験の結果は,物理的神経形態学的チップ上のサイバーセキュリティのためのネットワーク侵入検出のための約90.12%の精度を示した。さらに,筆者らは悪意のあるパケットの検出のみならず,特定のタイプの攻撃を分類し,81.31%の認識精度を達成のために提案されたシステムを研究した。神経形態学的実装は非常に低電力でネットワーク侵入検出のための途方もない検出と分類精度を提供する。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 ,  ニューロン ,  アルゴリズム ,  *計算機システム ,  符号化 ,  ニューラルネットワーク ,  シナプス ,  教師つき学習 ,  ベクトル
準シソーラス用語： 分類精度 ,  *神経 ,  深層学習 ,  *侵入検知 ,  *サイバーセキュリティ ,  *神経形態学 , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 神経形態学 ,  計算システム ,  サイバーセキュリティ ,  侵入