文献

J-GLOBAL ID：201802253091228150   整理番号：18A1899539

機械学習技術はDDoS攻撃に対する実ネットワークで効果的に使用できるか【JST・京大機械翻訳】

Can Machine Learning Techniques Be Effectively Used in Real Networks against DDoS Attacks?

著者 (3件)： Bakker Jarrod N. ,  Ng Bryan ,  Seah Winston K. G.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICCCN  ページ： 1-6  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： 分散型サービス拒否(DDoS)攻撃の脅威は,最近,非セキュリティインターネット(IoT)デバイスの普及により悪化している。これらの攻撃を検出することは,ネットワーク情報と制御が分散化されているので,従来のネットワークパラダイムを用いるとき,しばしば困難である。著者らは,ネットワーク情報と制御を集中化することによってネットワーク管理を改善することを目的とする最近のパラダイムである,ソフトウェア定義ネットワーク(SDN)によって容易にされるDDoS攻撃を検出するために機械学習(ML)を使用する有効性を研究する。本研究において,MLアルゴリズムを,SDNベースのトラフィック分類アーキテクチャであるnメタ2上に実装し,DDoS攻撃シナリオの間,特に非悪意トラヒックを正確に分類する際に,それらの有効性を実証するために,物理的ネットワークテストベッド上で評価した。これは,悪意のあるトラフィックを識別/分類することを目的とする多くのアプローチとは異なり,また,不適切なトラフィックを誤分類し,正当なネットワークトラフィックのための劣化した性能を不注意に導く。さらに,分類性能をさらに劣化させることができるDDoS攻撃の間に,潜在的にかなりのデータ損失がある。著者らは,ライブネットワークシナリオにおけるDDoS攻撃を検出するためにMLを使用するときに生じるこれらの問題を調べた。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： インターネット ,  *ネットワーク ,  集中化 ,  ネットワーク管理 ,  *機械学習 ,  分散化 ,  計算機アーキテクチャ ,  セキュリティ ,  アルゴリズム ,  *サイバー攻撃
準シソーラス用語： データ損失 ,  ネットワークトラフィック ,  トラフィック分類 ,  モノのインターネット ,  *DDoS攻撃 ,  機械学習技術 , 【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 (2件)： 機械学習技術 ,  DDoS攻撃