文献

J-GLOBAL ID：201702289037058301   整理番号：17A1855761

機械学習によるモバイル端末の高度な持続性脅威検出技術の研究【JST・京大機械翻訳】

Research on Advanced Persistent Threat Detection Technology for Mobile Terminal Based on Machine Learning

著者 (4件)： Hu Bin (北京郵電大学軟件学院,北京,100876) ,  Wang Chundong (天津理工大学計算机与通信工程学院,天津,300384) ,  Hu Siqi (北京郵電大学网絡空間安全学院,北京,100876) ,  Zhou Jingchun (北京郵電大学軟件学院,北京,100876)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 43  号： 1  ページ： 241-246  発行年： 2017年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 移動端の高度な持続性脅威(APT)攻撃は近年出現した非常に危険な攻撃方式であり、盗難情報を通じて設備に高いリスクと持続可能性の危害をもたらす。しかしながら,移動端侵入検出のための方式は,不十分な検出特性のために,高い精度と低い適合性を持っているので,検出効果は理想的でない。上記の問題を解決するために,静的検出技術を用いて,端末の静的特性を抽出し,悪意のあるアプリケーションに対する最適化モデルの感度を最適化し,遅延攻撃の検出能力を最適化するために,スライディングウィンドウ反復アルゴリズムを用いた。............................の遅延攻撃の特徴を抽出する.1.2.3の最適化モデルを提案する..1.2の遅延攻撃の特徴を抽出する.同時に,決定木,論理回帰,Bayesなどの分類アルゴリズムを,ブースト技術を用いて融合し,実験により,このモデルがAPTの検出精度を向上させ,過適合問題を回避することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 適応性 ,  ディシジョンツリー ,  *検出法 ,  *機械学習 ,  静特性 ,  応用プログラム ,  *端末装置 ,  最適化
準シソーラス用語： 検出精度 ,  分類アルゴリズム ,  反復アルゴリズム ,  スライディングウィンドウ ,  最適化モデル ,  侵入検知 ,  *持続性 , 【Automatic Indexing@JST】

著者キーワード (6件)： machine learning ,  Advanced Persistent Threat (APT) detection ,  classifier ,  model integration ,  static detection ,  correlation analysis

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 (5件)： 機械学習 ,  モバイル端末 ,  持続性 ,  脅威 ,  研究