文献

J-GLOBAL ID：201802232341530657   整理番号：18A2044659

侵入検出のための特徴選択とアンサンブル分類法の解析【JST・京大機械翻訳】

Analysis of Feature Selection and Ensemble Classifier Methods for Intrusion Detection

著者 (2件)： Vinutha H.P. (Bapuji Institute of Engineering and Technology, Davangere, Karnataka, India) ,  Basavaraju Poornima (Bapuji Institute of Engineering and Technology, Davangere, Karnataka, India)
資料名： International Journal of Natural Computing Research  (International Journal of Natural Computing Research)
巻： 7  号： 1  ページ： 57-72  発行年： 2018年 
JST資料番号： W3927A  ISSN： 1947-928X  資料種別： 逐次刊行物 (A)
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： 日ネットワークセキュリティによる日は,より挑戦的課題になっている。侵入検知システム(IDS)は,ネットワーク活動を監視するために使用される方法の1つである。データマイニングアルゴリズムはIDSの分野で主要な役割を果たす。NSL-KDD’99データセットを用いて,ネットワーク上で起こる可能な攻撃を同定するのに役立つネットワークトラフィックパターンを研究した。データセットは41の属性を含み,1つのクラス属性は正常,DoS,Probe,R2L,およびU2Rと分類される。提案した方法論において,偽陽性率を低減し,データセットの次元を低減することにより検出率を改善することが必要であり,検出技術におけるすべての41属性の使用は良好な実行ではない。Chi-Square,SU,Gain比および情報Gain特徴のような4つの異なる特徴選択法を用いて属性を評価し,データの次元を低減するために重要でない特徴を除去した。Boosting,Bagging,Stackingおよび投票のようなアンサンブル分類技術を用いて,決定段階,J48およびRandom森林と呼ばれる3つのベースアルゴリズムによって別々に検出率を観察した。Copyright 2018 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *特徴選択 ,  次元縮小 ,  投票 ,  データマイニング ,  検出法 ,  セキュリティ ,  ネットワーク ,  セキュリティシステム ,  アルゴリズム
準シソーラス用語： 検出率 ,  偽陽性率 ,  ネットワークトラフィック ,  侵入検知システム ,  ネットワークセキュリティ ,  *アンサンブル分類 ,  *侵入検知 , 【Automatic Indexing@JST】

著者キーワード (14件)： 精度 ,  Bagging ,  ブースティング ,  次元縮小 ,  DOS ,  アンサンブル技術 ,  特徴選択 ,  侵入検知システム ,  NSL-KDDデータセット ,  プローブ ,  R2L ,  スタッキング ,  U2R ,  投票検出率

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 侵入 ,  特徴選択 ,  アンサンブル分類 ,  解析