文献

J-GLOBAL ID：201902254358919164   整理番号：19A0517857

リカレントニューラルネットワークを用いた侵入検出のための深層学習アプローチ【JST・京大機械翻訳】

A Deep Learning Approach for Intrusion Detection Using Recurrent Neural Networks

著者 (4件)： Yin Chuanlong (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou, China) ,  Zhu Yuefei (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou, China) ,  Fei Jinlong (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou, China) ,  He Xinzheng (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 21954-21961  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： 侵入検出は,情報セキュリティを確実にすることにおいて重要な役割を果たして,要所技術はネットワークにおけるさまざまなアタックを正確に確認することであった。本論文では,深い学習に基づいて侵入検知システムをモデル化する方法を検討し,再帰ニューラルネットワーク(RNN-IDS)を用いた侵入検出のための深い学習手法を提案した。さらに,著者らは,二値分類および多クラス分類におけるモデルの性能,およびニューロンの数および提案モデルの性能に及ぼす異なる学習速度の影響を研究した。ベンチマークデータセットに関する以前の研究者によって提案されたJ48,人工ニューラルネットワーク,ランダムフォレスト,サポートベクトルマシン,および他の機械学習法のものとそれを比較した。実験結果は,RNN-IDSが高精度で分類モデルをモデル化するのに非常に適していることを示して,その性能は二値と多クラス分類の両方における従来の機械学習分類法のものより優れている。RNN-IDSモデルは侵入検出の精度を改善し,侵入検出のための新しい研究方法を提供する。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： モデル ,  サポートベクトルマシン ,  ベンチマーク ,  モデリング ,  *ニューラルネットワーク ,  ニューロン ,  機械学習 ,  *学習 ,  *ネットワーク ,  情報セキュリティ
準シソーラス用語： ランダムフォレスト ,  多クラス分類 ,  *深層学習 ,  *侵入検知 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： リカレントニューラルネットワーク ,  侵入 ,  深層学習