文献

J-GLOBAL ID：201802242339572132   整理番号：18A0707958

ADFAデータセットにおけるホスト侵入検出のための結合Markov-Bayesモデルの再評価【JST・京大機械翻訳】

Re-evaluation of combined Markov-Bayes models for host intrusion detection on the ADFA dataset

著者 (3件)： Mouttaqi Tarik (School of Science and Engineering, Al Akhawayn University in Ifrane, Ifrane, Morocco) ,  Rachidi Tajjeeddine (School of Science and Engineering, Al Akhawayn University in Ifrane, Ifrane, Morocco) ,  Assem Nasser (School of Science and Engineering, Al Akhawayn University in Ifrane, Ifrane, Morocco)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IntelliSys  ページ： 1044-1052  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： 本研究では,2013年に最近発表されたADFAウィンドウデータセット(ADFA-WD)上のホスト侵入検出のためのMarkov-Bayes確率モデルの組合せの性能を調べた。このデータセットは,現代のホスト侵入検知システム(HIDS)を評価できる新しいベースラインを提供する。そこで,著者らは,SC2.2の性能を評価し,その性能を2004年の匿名データセットに対して証明し,この分類器がADFA-WD上で通過可能であることを示し,SC2.2学習曲線によって提供された結果に関する他の解の探索を導いた。次に,(i)結合高次Markov-Bayesモデルと(ii)4つの一次Markov-Bayesモデルのアンサンブルの性能を評価した。結果は,両分類器がSC2.2と比較して誤警報率を大幅に改善し,一方,プロセス毎の手法を用いるとほぼ同じ検出率を維持することを示した。さらに,全システムアプローチの下で,両方の技術が誤警報率を改善するだけでなく,完全な検出率を達成することを示した。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： 基準線 ,  学習曲線 ,  *確率モデル ,  システムアプローチ
準シソーラス用語： 検出率 ,  誤警報率 ,  侵入検知システム ,  *侵入検知 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： データセット ,  侵入 ,  Bayesモデル ,  評価