文献

J-GLOBAL ID：201902241117806165   整理番号：19A1455217

ネットワークトラフィック異常検出のための統計モデルの評価【JST・京大機械翻訳】

Evaluating Statistical Models for Network Traffic Anomaly Detection

著者 (6件)： Kromkowski Peter ,  Li Shaoran ,  Zhao Wenxi ,  Abraham Brendan ,  Osborne Austin ,  Brown Donald E.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SIEDS  ページ： 1-6  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： 大規模組織は,それらの操作をサポートするために同時に実行する数百または数千のアプリケーションを持つ可能性がある。高レベルの効率を維持するために,問題を迅速に固定し,コストを低減するために,それらは迅速に異常または異常を検出する必要がある。本論文では,アプリケーションのダウンタイムを低減するためのネットワークトラフィックデータの異常検出法に対する解析的枠組みと,異常なアプリケーション挙動の検出または報告における人間の関与の必要性について述べた。著者らは,異常検出におけるSeasonal自己回帰統合移動平均(SARIMA)時系列モデルとLong Short-Tem Memory(LSTM)Autoエンコーダモデルの性能を比較するために,記述したフレームワークを使用した。偽陽性率と精度を用いてこれらのモデルを評価し,タイムリーな警告を与えることができ,両モデルが正確であるにもかかわらず,偽陽性率は非常に高いことを示した。次に,SARIMAとLSTMオートエンコーダを集めることにより,全体の検出性能を改善した。著者らの結果は,時系列と自動符号器を用いたネットワークトラフィックフローにおける異常検出の可能な新しい方法を実証した。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： 応用プログラム ,  *統計模型 ,  符号器 ,  *モデル ,  停止時間
準シソーラス用語： 検出能 ,  偽陽性率 ,  時系列モデル ,  自己回帰 ,  *異常検出 ,  *ネットワークトラフィック , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ネットワークトラフィック ,  異常検出 ,  統計モデル ,  評価