文献

J-GLOBAL ID：201902260759583386   整理番号：19A2114326

Alchemy:悪意のあるネットワークトラフィック分類のための確率的特徴再生【JST・京大機械翻訳】

Alchemy: Stochastic Feature Regeneration for Malicious Network Traffic Classification

著者 (9件)： Hu Bo (NTT, Japan; The University of Tokyo) ,  Kumagai Atsutoshi (NTT) ,  Kamiya Kazunori (NTT) ,  Takahashi Kenji (NTT Security, US) ,  Dalek Daniel (NTT Security, Sweden) ,  Soderstrom Ola (NTT Security, Sweden) ,  Okada Kazuya (The University of Tokyo) ,  Sekiya Yuji (The University of Tokyo) ,  Nakao Akihiro (The University of Tokyo)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： compsac  ページ： 346-351  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： 署名に基づく技術は,ネットワークトラフィックを通してますます多くの困難な活動を検出しているより多くの困難性を持っているので,機械学習はネットワークセキュリティにおける有望なアプローチになっている。多くの以前の研究は,特徴と訓練検出モデルを生成するために,ホストまたはフローによってグループにトラフィックデータを集約した。しかし,2つの問題は検出性能を劣化させる。一つは新しいタイプの悪意のある交通の希少性による訓練集合の不足であり,もう一つは限られた観測トラヒックによる不完全なデータから生成された特徴値の変化である。本論文では,各バッグの生のトラヒックデータをいくつかのサブセットにランダムに再サンプリングすることにより,特徴ベクトルの集合を再生成するAlchemyと呼ばれる確率的方法を提案した。alchemは訓練集合を増やすことができて,トラフィックデータと分類装置のタイプにかかわらず,特徴ベクトルにおける変動の影響を修正するために,生のトラフィックをロバストに表現することができた。著者らは,ネットワークフロー,受動DNS記録,およびHTTPログの実世界のトラフィックデータを用いてAlchemyを評価し,それがすべての3つのタイプのトラフィックデータにおいて従来の方法よりも効果的に様々な分類器の検出性能を改善することを実証した。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： 部分集合 ,  機械学習 ,  *ネットワーク ,  分類装置 ,  ロバスト性
準シソーラス用語： HTTP ,  ネットワークフロー ,  確率的方法 ,  特徴ベクトル ,  リサンプリング ,  検出能 ,  ネットワークセキュリティ ,  *ネットワークトラフィック ,  *トラフィック分類 , 【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 (2件)： トラフィック分類 ,  確率