抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
産業4.0の時代では,すべてが接続され,よく配位しているスマート工場環境を創造しようとしている。スマート工場は,以前より良好な,効率を達成するために工場の境界の外のクラウドサービスおよび/またはあらゆる種類パートナーのに接続される。しかしネットワーク連結性はまた,より良い効率の有望性とともに脅威をもたらし,侵入者に対してより脆弱スマート工場となる。たStuxnetウイルスによるイランの核施設の感染などのセキュリティインシデントとドイツの鉄鋼工場2014年ハッカーによって破壊された。このような脅威からスマート工場を保護するためにインターネット上の侵入検知の伝統的な方法を用いることができたが,それらを微細化し,産業4.0の状況に適応したそれらを持たなければならない。例えば,スマート工場におけるネットワークトラヒックはより均一とインターネット上のトラヒックに比較して予測できる可能性があるが,侵入が起きたら,一つは交通はミッションクリティカルなとしてはかなり少なく異常に耐えなければならない,より損失を生じると考えられる。最も広く使用されているシグネチャベースの侵入検出システムは,既知の攻撃が非常に有用であることが証明されている含む特徴の大きなライブラリーが,攻撃未知を検出する能力を持たない。教師つきデータマイニングアルゴリズムに侵入,これは既知の攻撃と似た性質を持つ侵入を検出するのに役立つが,必ずしも図書館における特徴と完全に適合することを検出した。本研究ではシミュレートされたスマート工場環境を構築し,一連の攻撃を実行した。ニューラルネットワークとディシジョンツリーはこの模擬環境から発生したトラヒックを分類するために使用した。実験から,著者らは使用したデータセットに対しては,良好な精度,低偽陰性率と速いモデル構築時間を提供するとして決定木は,侵入検出のためのニューラルネットワークよりも良好な性能であることを結論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
