文献

J-GLOBAL ID：201902284546568977   整理番号：19A2467727

モノのインターネット環境におけるディープニューラルネットワークを用いた無線ネットワーク攻撃防御アルゴリズム【JST・京大機械翻訳】

Wireless Network Attack Defense Algorithm Using Deep Neural Network in Internet of Things Environment

著者 (2件)： Wang Xifeng (School of Computer, Baoji University of Arts and Sciences, Baoji, Shanxi, China) ,  Zhang Xiaoluan (School of Computer, Baoji University of Arts and Sciences, Baoji, Shanxi, China)
資料名： International Journal of Wireless Information Networks  (International Journal of Wireless Information Networks)
巻： 26  号： 3  ページ： 143-151  発行年： 2019年 
JST資料番号： W4493A  ISSN： 1068-9605  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： IoT環境における情報セキュリティ脅威リスク評価システムの非線形性と不確実性を目的として,ゲームモデルと結合した深いニューラルネットワークを用いた無線ネットワーク攻撃防御法を設計した。まず第一に,ネットワークのトポロジー情報,到達可能性関係,およびネットワークの脆弱性情報に従って,方式はネットワークの状態攻撃と防御マップを作り出す。状態攻撃と防御マップに基づいて,非協力的非ゼロ和ゲームモデルに基づいて,最適攻撃と防御決定アルゴリズムを提案した。脆弱なポイントの予防と制御対策によって結合して,最適なアタックと防御モデルを生み出した。次に,情報セキュリティリスク因子指数をファジィシステムによって定量化して,ファジィシステムの出力を動径基底関数(RBF)ニューラルネットワークモデルに入力した。粒子群最適化アルゴリズムを用いて,RBFニューラルネットワークのパラメータを最適化し,訓練した。最後に,最適化防御モデルを得た。シミュレーション結果は,ゲームモデルと結合した深いニューラルネットワークを用いた無線ネットワーク攻撃防御アルゴリズムが,従来の無線ネットワーク攻撃防御法の主観的ランダム性とファジィ結論の欠陥を解決できることを示した。平均誤差は2%未満であり,機械学習アルゴリズムより高い適合精度,より大きな学習能力,およびより速い収束性を持っている。Copyright 2019 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  シミュレーション ,  位相幾何学 ,  *アルゴリズム ,  曖昧さ ,  ゲーム ,  最適化 ,  不確実性 ,  リスク評価 ,  学習アルゴリズム ,  情報セキュリティ ,  *ニューラルネットワーク
準シソーラス用語： *防衛 ,  *無線ネットワーク ,  *モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： モノのインターネット ,  ゲームモデル ,  モバイルRFIDネットワーク ,  無線ネットワーク攻撃防御アルゴリズム ,  RBFニューラルネットワーク

分類 (2件)： 計算機網  (JC03000K) ,  データ保護  (JD01020V)

タイトルに関連する用語 (7件)： インターネット ,  環境 ,  ディープニューラルネットワーク ,  無線ネットワーク ,  攻撃 ,  防御 ,  アルゴリズム