文献

J-GLOBAL ID：201802246254338052   整理番号：18A1621949

カーネルPCAとLSTM-RNNに基づく効果的なネットワーク攻撃検出法【JST・京大機械翻訳】

An Effective Network Attack Detection Method Based on Kernel PCA and LSTM-RNN

著者 (4件)： Meng Fanzhi (China Academy of Engineer Physics, Institute of Computer Application, Mianyang, China) ,  Fu Yunsheng (China Academy of Engineer Physics, Institute of Computer Application, Mianyang, China) ,  Lou Fang (China Academy of Engineer Physics, Institute of Computer Application, Mianyang, China) ,  Chen Zhiwen (China Academy of Engineer Physics, Institute of Computer Application, Mianyang, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCSEC  ページ： 568-572  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： 侵入検知システム(IDS)は,既知および未知の悪意のある攻撃を検出するために構築されている。いくつかの機械学習アルゴリズムは,ニューラルネットワーク,SVM,KNNなどのIDSにおいて広く用いられているが,これらのアルゴリズムは,高い偽陽性および誤警報率のようないくつかの限界を有している。上記の課題を克服するために,カーネル主成分分析(PCA)と長い短期記憶リカレントニューラルネットワーク(LSTM-RNN)に基づく新しい効果的攻撃検出法を提案した。高精度検出率を達成するために,データ前処理,特徴抽出,攻撃検出をシームレスにエンドツーエンド検出法に統合した。この方法を評価するために,良く知られたNSL-KDDデータセットを用いた。実験の結果は,提案した攻撃検出戦略が,SVM,ニューラルネットワークまたはBayes法を使用するいくつかの攻撃検出戦略を大いに上回ることを示した。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： 特徴抽出 ,  アルゴリズム ,  学習アルゴリズム ,  *検出法 ,  ニューラルネットワーク ,  エンドツーエンド方式
準シソーラス用語： シームレス ,  データ前処理 ,  検出率 ,  リカレントニューラルネットワーク ,  短期記憶 ,  カーネル主成分分析 ,  誤警報率 ,  誤検出 ,  侵入検知システム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： カーネル ,  PCA ,  LSTM ,  RNN ,  ネットワーク攻撃 ,  検出法