抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
データセットは大きさと数の急速に成長するにつれて,不必要な正常情報をフィルタリングする異常値検出が重要になっている。本論文では,NIC(Network Interface Card)への応用層からの異常値検出を動かすことを提案した。異常のみ項目やイベントは,ネットワークプロトコルスタックのための送達されると他のパケットはNICで廃棄されている。宿主での貯蔵と計算コストの要求は,劇的に低下した。異常値検出のための遅延学習アルゴリズムを採用し,それらは異なるクラスタを含む複雑な参照データに適用することができるからである。しかし,高計算コストと,莫大な参照データのために,NICハードウェアへの遅延学習をオフロードすることは困難である。本論文では,NICにおける参照データの唯一のしばしばaccessed部分をキャッシュすることを提案した。この考えは一般的に遅延学習アルゴリズムに適用することができる。LOF(局所異常値因子)とKNN(K最近傍)は,FPGA(フィールドプログラマブルゲートアレイ)ベースのNIC上に実装した。100,000参照データとLOFを用いて提案システムのシミュレーション結果は,質問の45%~90%は,提案したキャッシュにヒットとNICでフィルタリングされることを示した。結果はソフトウェアベース実行のそれと比較して異常値フィルタリングに1.82×10×にスループット改善に対応している。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】