文献

J-GLOBAL ID：201802256133598972   整理番号：18A0823975

スタック自動エンコーダを用いたWeb攻撃検出のための異常検出法【JST・京大機械翻訳】

An anomaly detection method to detect web attacks using Stacked Auto-Encoder

著者 (3件)： Vartouni Ali Moradi (Faculty of Computer Engineering, K.N. Toosi University of Technology, Tehran, Iran) ,  Kashi Saeed Sedighian (Faculty of Computer Engineering, K.N. Toosi University of Technology, Tehran, Iran) ,  Teshnehlab Mohammad (Faculty of Computer Engineering, K.N. Toosi University of Technology, Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CFIS  ページ： 131-134  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： ネットワーク媒介攻撃は,現在,情報セキュリティに対する主要な脅威である。これらの攻撃を軽減するために,スキャナ,暗号化装置,侵入検知システムおよびファイアウォールのような膨大な努力がなされている。Webアプリケーションファイアウォールは,HTTPトラフィックを保護するために侵入検出技術を使用する。そして,機械学習アルゴリズムはこれらのファイアウォールにおける異常検出に基づいて使用された。本研究では,特徴学習法としての深いニューラルネットワークと分類器としての孤立林に基づく方法を提案した。この方法を,CSIC2010データセット上の特徴抽出モデルを含まない方法と比較した。さらに,著者らは,著者らの深いニューラルネットワークのために異なる活性化関数と学習を適用した。結果は,深いモデルが特徴抽出を持たない方法より正確であることを示した。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： セキュリティシステム ,  学習アルゴリズム ,  学習 ,  ニューラルネットワーク ,  特徴抽出 ,  *符号器 ,  *Web【情報システム】 ,  ネットワーク ,  ファイアウォール ,  暗号装置 ,  情報セキュリティ ,  セキュリティ
準シソーラス用語： 侵入検知 ,  HTTP ,  Webアプリケーション ,  侵入検知システム ,  *異常検出 , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： スタック ,  エンコーダ ,  Web ,  攻撃 ,  検出法