文献

J-GLOBAL ID：201802231249955704   整理番号：18A0707274

侵入攻撃の分類における階層グラフニューロン方式【JST・京大機械翻訳】

Hierarchical graph neuron scheme in classifying intrusion attack

著者 (4件)： Essra Aulia (Department of Computer Science, Universitas Sumatera Utara, Medan, Indonesia) ,  Sitompul Opim Salim (Department of Information Technology, Universitas Sumatera Utara, Medan, Indonesia) ,  Benyamin Nasution Benny (Department of Computer Engineering and Informatics, Politeknik Negeri Medan, Medan, Indonesia) ,  Rahmat Romi Fadillah (Department of Information Technology, Universitas Sumatera Utara, Medan, Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAIPT  ページ： 1-6  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： 階層的Graph Neuron(HGN)は,並列分散パターン認識を実行するために使用されるGraph Neuron(GN)と呼ばれるネットワーク中心アルゴリズムの拡張である。本研究では,HGN方式を用いて,コンピュータネットワークにおける侵入攻撃を分類した。侵入攻撃のパターンは,3つのステップで前処理される:情報獲得属性評価を用いて属性を選択し,エントロピーベースの離散化教師つき法を用いて選択属性を離散化し,K-平均クラスタリングアルゴリズムを用いて訓練データを選択する。前処理段階の後に,HGN方式を次に,KDD Cup99データセットを用いて侵入攻撃を分類するために展開した。分類の結果を,精度率,検出率,偽陽性率,および真の陰性率に関して測定した。試験結果により,HGN方式は,正確度が96.27%に達する侵入攻撃パターンの分類において有望で安定であり,検出率は99.20%,真の負率は15.73%以下,偽陽性率は0.80%と低いことを示した。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： 前処理 ,  アルゴリズム ,  情報収集 ,  ネットワーク ,  パターン認識 ,  *計算機網
準シソーラス用語： 偽陽性率 ,  検出率 ,  訓練データ ,  クラスタリングアルゴリズム ,  離散化 ,  *侵入 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 侵入 ,  攻撃 ,  分類 ,  階層 ,  グラフ ,  ニューロン