文献

J-GLOBAL ID：201902230804053493   整理番号：19A2496304

機械学習アンサンブルによるDDoS侵入検出【JST・京大機械翻訳】

DDoS Intrusion Detection Through Machine Learning Ensemble

著者 (4件)： Das Saikat (The University of Memphis) ,  Mahfouz Ahmed M. (The University of Memphis) ,  Venugopal Deepak (The University of Memphis) ,  Shiva Sajjan (The University of Memphis)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： QRS-C  ページ： 471-477  発行年： 2019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： 分散型サービス(DDoS)攻撃は,過去10年間にわたって顕著な攻撃であった。ネットワーク侵入検知システム(NIDS)は,これらの攻撃者の新しいアプローチとDDoS攻撃のパターンに対抗するためにシームレスに構成する必要がある。本論文では,既存のDDoS攻撃を検出することができるNIDSを提案する。著者らのNIDSの重要な特徴は,各分類器が特定のアスペクト/タイプの侵入を目標とし,新しい侵入に対してよりロバストな防御機構を提供するという考え方で,アンサンブルモデルを用いて異なる分類器を組み合わせることである。さらに,DDoS攻撃の詳細解析を行い,このドメイン知識に基づいて,縮小特徴集合[27,28]を検証し,精度を大幅に改善した。著者らは,減少した特徴集合を有するNSL-KDDデータセットを実験して解析して,著者らの提案したNIDSは,DDoS攻撃の99.1%を首尾よく検出することができた。これらの結果を他の既存のアプローチと比較した。著者らのNIDSアプローチは,新しく出現するDDoS攻撃パターンを維持するための学習能力を持っている。Copyright 2019 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： ロバスト性 ,  *機械学習 ,  ドメイン知識 ,  防御機構 ,  *サイバー攻撃
準シソーラス用語： 学習能力 ,  シームレス ,  攻撃者 ,  ネットワーク侵入検知システム ,  *侵入検知 ,  *DDoS攻撃 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 機械学習 ,  アンサンブル ,  DDoS ,  侵入