文献

J-GLOBAL ID：201802248078390185   整理番号：18A1678049

ネットワークトラフィックにおける実時間異常検出のためのシーケンスパターン学習アルゴリズムへのシーケンス【JST・京大機械翻訳】

Sequence to Sequence Pattern Learning Algorithm for Real-Time Anomaly Detection in Network Traffic

著者 (3件)： Loganathan Gobinath (Department of Electrical and Computer Engineering, The University of Western Ontario London, Ontario, N6A5B9, Canada) ,  Samarabandu Jagath (Department of Electrical and Computer Engineering, The University of Western Ontario London, Ontario, N6A5B9, Canada) ,  Wang Xianbin (Department of Electrical and Computer Engineering, The University of Western Ontario London, Ontario, N6A5B9, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCECE  ページ： 1-4  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： ネットワーク侵入は,パケットの期待される順序とそれらの属性が正規のトラフィックから逸脱するネットワークトラフィックの異常としてモデル化できる。以前のシーケンスに基づくイベントの次のシーケンスを予測するアルゴリズムは,そのような異常を検出するための有望な手段である。本論文では,シーケンス対シーケンス(Seq2Seq)符号器-復号器モデルを用いて,以前のパケットに基づくネットワークパケットシーケンスを予測するための新しいマルチ属性モデルを提案した。このモデルは,TCP接続におけるパケットの正規シーケンスを学習するために,攻撃のないデータセット上で訓練され,次に,TCPトラフィックにおける異常パケットを検出するために使用される。著者らは,DARPA1999データセットにおいて,提案した多属性Seq2Seqモデルが,97%の精度で侵入の一部である異常な生TCPパケットを検出することを示した。また,それは,100%の精度でリアルタイムに選択された侵入を検出することができて,LSTMのような再帰ニューラルネットワークモデルに基づく既存のアルゴリズムより優れている。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： *アルゴリズム ,  *ネットワーク ,  パケット ,  学習アルゴリズム ,  モデリング
準シソーラス用語： 神経回路網モデル ,  TCPコネクション ,  マルチ属性 ,  侵入 ,  異常検出 ,  実時間 ,  *ネットワークトラフィック , 【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 (5件)： ネットワークトラフィック ,  実時間 ,  異常検出 ,  シーケンス ,  学習アルゴリズム