文献

J-GLOBAL ID：201802210256926361   整理番号：18A1258196

スタック型スパース自動符号器と二値木アンサンブル法に基づくネットワーク侵入検出【JST・京大機械翻訳】

Network Intrusion Detection Based on Stacked Sparse Autoencoder and Binary Tree Ensemble Method

著者 (3件)： Zhang Baoan ,  Yu Yanhua ,  Li Jie
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICC Workshops  ページ： 1-6  発行年： 2018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： ネットワーク攻撃の増加によって,従来の機械学習方法は,効果的に大量の侵入データの分類問題を解明することができなかった。本論文では,元のデータの潜在的表現を学習するために,積層スパース自己符号化ネットワーク(SSAE-XGB)法に基づくXgブーストを提案した。訓練とテストデータセットの一貫したカテゴリ分布のために,著者らはモデルの一般化能力を強化するためにスパース性拘束を使用した。元のデータの深い特徴表現を得るために,高次元と非標識の元のデータの次元を減少させるために,積層スパース自動符号器ネットワークを採用した。侵入データのクラス不均衡により,本論文では,二値ツリーとアンサンブル法を用いて構築された新しいハイブリッド分類器を提案した。すべてのNSL-KDDデータセットによる著者らの実験は,著者らの提案したSSAE-XGB二値ツリーとアンサンブル法が,F1に関して増加的に高い性能を達成することができて,それが以前の研究より優れていることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号器 ,  機械学習 ,  符号化 ,  *ネットワーク ,  高次元
準シソーラス用語： クラス不均衡 ,  特徴表現 ,  スパース性 ,  *侵入 ,  *侵入検知 ,  *アンサンブル法 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (6件)： スタック ,  符号器 ,  二値 ,  木 ,  アンサンブル法 ,  侵入