文献

J-GLOBAL ID：201902268851036295   整理番号：19A2762117

アンサンブル分類器に基づく2層侵入検出モデル【JST・京大機械翻訳】

Two-Layer Intrusion Detection Model Based on Ensemble Classifier

著者 (6件)： Lu Limin (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Teng Shaohua (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Zhang Wei (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Zhang Zhenhua (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Fei Lunke (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Fang Xiaozhao (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1042  ページ： 104-115  発行年： 2019年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： アンサンブル分類器は,学習システムの精度を改善するだけでなく,各分類器の異なる偏差を利用することにより,その一般化能力を大幅に改善することができる。侵入分野において異なる分類器アンサンブル法が提案されているが,それらはますます欠陥があり,更なる改良を必要としている。高い検出率(DR)と低い偽陽性率(FPR)を有する強い一般化侵入検出モデルを実現することを目的として,アンサンブル分類装置(TLMCE)に基づく2層侵入検出モデルを本論文で提案した。R2LとU2Rを第1層においてJRip分類器を用いて分類し,集合分類器を用いて第2層における正規,DoS,およびProbeを分類した。積層最適化戦略を,ベース分類器としてJ48,JRip,RandomForest(RF),BayesNet,およびSpeCartを用いて,アンサンブル分類器に適用した。さらに,修正逐次順方向選択法を提案し,TLMCEのための適切な特徴部分集合を選択した。NSL-KDDデータセットに関する実験結果は,TLMCEがいくつかの既存のアンサンブルモデルより良い性能を有することを実証した。それは,[数式:原文を参照]の全体の正確さ比率と[数式:原文を参照]のFPRを達成した。Copyright 2019 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *単一層 ,  部分集合 ,  特徴選択 ,  サイバー攻撃
準シソーラス用語： 選択法 ,  DoS ,  *アンサンブル分類 ,  偽陽性率 ,  検出率 ,  アンサンブル法 ,  *侵入 ,  学習支援システム ,  *侵入検知 ,  *二層 ,  *アンサンブル分類器 , 【Automatic Indexing@JST】

著者キーワード (5件)： 侵入検知 ,  2層 ,  アンサンブル分類器 ,  スタッキング ,  特徴選択

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： アンサンブル分類器 ,  2層 ,  侵入 ,  モデル