文献

J-GLOBAL ID：201902235437509629   整理番号：19A0516309

ISMA:クロスプラットフォームOSNにおける異常検出のための知的センシングモデルとその事例研究【JST・京大機械翻訳】

ISMA: Intelligent Sensing Model for Anomalies Detection in Cross Platform OSNs With a Case Study on IoT

著者 (3件)： Sharma Vishal (Department of Information Security Engineering, Soonchunhyang University, Asan-si, South Korea) ,  You Ilsun (Department of Information Security Engineering, Soonchunhyang University, Asan-si, South Korea) ,  Kumar Ravinder (Computer Science and Engineering Department, Thapar University, Patiala, India)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 3284-3301  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 近年,オンラインソーシャルネットワーク(OSN)上でのユーザ活動が著しく増加している。多数のユーザが異なるソーシャルネットワークプラットフォームを通して情報を共有する。OSNを横切る情報はアクセスしやすく,したがって,全体のコミュニティを誤るために不正なユーザによって容易に使用することができる。このような不正なユーザは異常と呼ばれている。本論文では,複数のOSNを通して異なるユーザを持つ個人により異なる挙動を持つクロスプラットフォーム異常の問題を考察した。挙動と活性の変化はそのような異常を同定することを困難にする。この問題に対する解決策を,異常なユーザを引き付けるために故障データを意図的に誘導することにより,異常検出(ISMA)に対する知的センシングモデルを提供する認知トークンに基づいて提案した。異なるOSNに対する一般的なログインシステムも,異なるOSNにわたる協調異常同定の一部として示唆される。異常を決定するために,公平な点法を用いた。提案した手法の性能を測定するために,シミュレーションとメールベースの実データセットを用いた。さらに,実装例として,インターネットにおける異常検出のための事例研究を示した。提案した手法は99.2%の速度で最高の精度を提供できる。これはSVM-RBFおよびS字型アプローチと比較して25.1%高く,k-最近傍アプローチよりも22%高かった。さらにまた,提案したISMAは,異常を検出することにおいてより少ない誤差を引き起こして,それは0.1%~2.8%の範囲内であった。同定における誤差は,SVMおよびk-最近傍アプローチと比較して96.6%まで減少した。比較結果における利得は,クロスプラットフォームOSNにおける異常の同定と分類におけるISMAの効率を検証した。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： インターネット ,  運動失調 ,  *事例研究 ,  トークン ,  利得 ,  コミュニティ ,  故障
準シソーラス用語： ログイン ,  社会的ネットワーク ,  オンラインソーシャルネットワーク ,  *異常検出 , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  図形・画像処理一般  (JE04010I) ,  信号理論  (ND02020G)

タイトルに関連する用語 (6件)： プラットフォーム ,  OSN ,  異常検出 ,  センシング ,  モデル ,  研究