文献

J-GLOBAL ID：201902222527892129   整理番号：19A2701960

認知技術を用いたネットワークパケットのブリーチ検出【JST・京大機械翻訳】

Network Packet Breach Detection Using Cognitive Techniques

著者 (3件)： Nanda Priyadarsi (Faculty of Engineering and IT, University of Technology Sydney, Sydney, Australia) ,  Arain Abid (Faculty of Engineering and IT, University of Technology Sydney, Sydney, Australia) ,  Nagar Upasana (Faculty of Engineering and IT, University of Technology Sydney, Sydney, Australia)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 141  ページ： 555-565  発行年： 2020年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 機械学習手法は,インターネット利用者を保護するために,近年,サイバーセキュリティの分野で広く使われている。状態ベースの認知データの使用とデータマイニングの増加した有病率は,実体がネットワークに侵入したときに検出する目的で,リアルタイムネットワークパケット解析を提供する機械学習と統計的概念の融合を可能にした。本論文では,パケットペイロード集約のための平均二乗誤差の使用,Bayesを用いた予測技術とデータクラスタへのアンサンブル学習出力とを組み合わせて,既存のデータブリーチ問題に対するハイブリッド解を生成するための有用で重要な洞察を提供した。動的許容レベルの使用とこれを偽陽性の可能性に対して対抗することは,提案した方式の設計の中心である。著者らは,凝集ペイロードに対する期待情報間の相関が,十分なレベルの精度を提供することができて,それは更なる人間評価のために一定のパケットを止めるのに十分であると信じる。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 集中化 ,  *パケット ,  *ネットワーク ,  *漂白 ,  許容量 ,  ペイロード ,  クラスタ ,  機械学習 ,  凝集 ,  予測技法 ,  データマイニング
準シソーラス用語： 誤検出 ,  アンサンブル学習 ,  平均二乗誤差 ,  サイバーセキュリティ , 【Automatic Indexing@JST】

著者キーワード (5件)： データバス ,  機械学習 ,  認知 ,  パケット解析 ,  侵入検知

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

タイトルに関連する用語 (3件)： 認知 ,  パケット ,  ブリーチ