文献

J-GLOBAL ID：201802290220791390   整理番号：18A0196562

パッシブDNSデータから学んだニューラル評判モデル【Powered by NICT】

Neural reputation models learned from passive DNS data

著者 (2件)： Lison Pierre (Norwegian Computing Center, Oslo, Norway) ,  Mavroeidis Vasileios (Department of Informatics, University of Oslo Oslo, Norway)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 3662-3671  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： ブラックリストとホワイトリストを計算機ネットワーク上の外向きと入力トラヒックをフィルタするためにしばしば使用される。これらリストの一つの中心的機能は評判(例えば良性または悪意の)に関連する終点ホストによるマルウェア脅威によるセキュリティリスクを緩和することである。これらリストの作成と維持は,セキュリティ専門家のための複雑で時間のかかるプロセスである。結果として,ブラックリストとホワイトリストは,種々の誤差,矛盾と省略する傾向がある,終点宿主の小さな画分は評判リストで覆われた効果的である。本論文では,ドメインネームやIPアドレスは良性,悪意のある,あるいはシンクホールかどうかを自動的に検出できることを機械学習モデルを提案した。モデルは,深層ニューラルアーキテクチャに依存し,大型パッシブDNSデータベース上で訓練される。評価結果は,この手法の有効性を示し,モデルはF_1スコア0.96の悪意のあるDNS記録を検出することができた。換言すれば,このモデルは1:1000の偽陽性率を伴う悪意ホストの95%を検出することができた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 深層 ,  機械学習 ,  マルウェア ,  計算機網 ,  データベース ,  フィルタ ,  *セキュリティ ,  IPアドレス ,  ドメインネーム ,  エンドポイント
準シソーラス用語： 偽陽性率 ,  スコア ,  ホワイトリスト ,  ブラックリスト ,  *パッシブ , 【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 (4件)： パッシブ ,  DNS ,  評判 ,  モデル