文献

J-GLOBAL ID：201802257799957770   整理番号：18A0707961

サイバーセキュリティデータのための「最小加重」属性を用いた発見的攻撃検出アプローチ【JST・京大機械翻訳】

A heuristic attack detection approach using the “least weighted” attributes for cyber security data

著者 (3件)： Dali Loubna (Computer Science Department, Bowie State University, Bowie, Maryland, USA) ,  Mivule Kato (Department of Computer Science, Norfolk State University, Norfolk, Virginia, USA) ,  El-Sayed Hoda (Computer Science Department, Bowie State University, Bowie, Maryland, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IntelliSys  ページ： 1067-1073  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： 最近のクラウドベースのコンピュータネットワークにおける連続的進歩は,ネットワークシステムにおける侵入に関連する多くのセキュリティ課題を生み出した。ネットワークトラフィックデータの容量の指数関数的増加により,そのような検出システムにおける人間の関与は時間がかかり,自明でない問題である。第二に,ネットワークトラフィックデータは,多くの特徴と属性から構成される高度に次元的である傾向があり,分類を困難にし,従って次元問題の問題に敏感である。このようなシナリオを与えると,そのようなデータの分類において,次元縮小,特徴選択,機械学習技術との組合せに対する必要性が生じる。したがって,本論文では,分類のための重みに関して最小の重要性を有する適切な属性と特徴を選択することによって,クラウドベースの環境におけるデータマイニング技術を採用することを試みた。通常,標準は,より良い重みを持つ特徴を選択することであるが,最小の重みを持つものを無視することである。本研究では,これらの特徴を最小の重みで予測できるかどうかを検討した。動機付けは,注意が,明らかにそれらの活動を隠すためにステルスを使用するということである。そこで,本研究では,最小観測属性を用いて敵のステルス活動を予測することができる。本研究では,情報獲得を用いて,最小重みを持つ属性を選択し,この場合に,ソースと宛先ポートの両方の組合せが攻撃されるか否かを分類する。この研究の動機は,攻撃が発生するかどうかを予測するために,少なくとも重要な属性を用いることができるかどうかである。著者らの予備的な結果は,ソースと宛先のポート属性が最小の重みを持つ特徴と組み合わせて使用される場合でも,そのようなネットワークトラフィックデータを分類し,攻撃が発生するか否かを予測することが可能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： 動機づけ ,  *セキュリティ ,  情報収集 ,  指数関数 ,  ポート ,  特徴選択 ,  計算機網 ,  次元縮小
準シソーラス用語： データマイニング技術 ,  機械学習技術 ,  検知システム ,  ネットワークシステム , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： サイバーセキュリティ ,  加重 ,  属性 ,  発見 ,  攻撃