文献

J-GLOBAL ID：201902262611493214   整理番号：19A0470148

アクセスログ異常検出【JST・京大機械翻訳】

Access Log Anomaly Detection

著者 (3件)： Tharshini Ma. (Department of Information Technology, Madras Institute of Technology, Anna University, Chromepet, Chennai, Tamil Nadu, India) ,  Ragavinodini M. (Department of Information Technology, Madras Institute of Technology, Anna University, Chromepet, Chennai, Tamil Nadu, India) ,  Senthilkumar Radha (Department of Information Technology, Madras Institute of Technology, Anna University, Chromepet, Chennai, Tamil Nadu, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICoAC  ページ： 375-381  発行年： 2017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： ネットワークセキュリティを維持することは,今日の世界で非常に重要で面倒である。Webアプリケーションは音響セキュリティ方法論で構築されていないので,それらは攻撃者のための主要なターゲットである。異常な活動を検出するためのアクセスログの分析は,本論文で達成された防御の形式である。異常が検出されなければ,異常検出は重要であり,それは全体のシステムのハッキングをもたらす可能性がある。本論文は,保存されたアクセスログを分析して,異常なイベントを検出することに基づいている。著者らの実験は静的および動的ログの両方を評価する。動的実装において,パターンマッチングアプローチを用いて,アクセスログから異常を検出した。Wekaにおいて,教師つきニューラルネットワークアプローチは静的ログに対する教師なしニューラルネットワークアプローチよりも優れた異常予測を与える。最大予測精度は,ニューラルネットワークにおいて,Naive Bayes多項式テキストアルゴリズムを用いることによって達成される。入力属性(ログ)はストリングであるので,Bayes分類器の使用は,他の分類器アルゴリズムと比較して,より良い精度率を与える。提案した手法は,著者らのシステムを隠すためのハッカーに対する方法の一つである可能性がある疑わしい活動と重大な異常を同定する。著者らの監督した方法の全体の誤差比率は,10%より少なくて,管理しない方法は,およそ30%であった。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： アルゴリズム ,  *セキュリティ ,  パターンマッチング ,  音響 ,  ニューラルネットワーク ,  予測 ,  多項式
準シソーラス用語： ハッカー ,  テキスト ,  予測精度 ,  攻撃者 ,  Webアプリケーション ,  ネットワークセキュリティ ,  *異常検出 ,  *アクセスログ , 【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)： アクセスログ ,  異常検出