文献

J-GLOBAL ID：201902288825162800   整理番号：19A1785954

ルールと機械学習によるアプリケーション層トンネルの検出【JST・京大機械翻訳】

Detection of Application-Layer Tunnels with Rules and Machine Learning

著者 (4件)： Lin Huaqing (State Key Lab of ISN, School of Cyber Engineering, Xidian University, Xi’an, China) ,  Liu Gao (State Key Lab of ISN, School of Cyber Engineering, Xidian University, Xi’an, China) ,  Yan Zheng (State Key Lab of ISN, School of Cyber Engineering, Xidian University, Xi’an, China) ,  Yan Zheng (Department of Communications and Networking, Aalto University, Espoo, Finland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11611  ページ： 441-455  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  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： アプリケーション層トンネルは,秘密データを伝送するためにしばしば秘密チャネルを構築するために使用される。それは,近年,ネットワーク脅威を増加させるためにしばしば適用される。アプリケーション層トンネルの検出は,多様なネットワーク脅威を同定するのを助けることができ,したがって,高い研究の重要性を持っている。本論文では,アプリケーション層トンネル検出を探索し,ルールと機械学習の両方を適用することにより,一般的な検出法を提案した。著者らの検出方法は,主に2つの部分から構成されている:3グラムモデルに基づくドメイン生成アルゴリズム(DGA)のためのルールベース領域名前フィルタリングとトンネル検出のために提案した一般的特徴抽出フレームワークに基づく機械学習モデル。ルールベースDGAドメイン名フィルタリングは,機械学習ベースの検出によって処理されたデータの量を減少させるために,いくつかの明白なトンネルを除去することができて,それによって,検出効率を改良することができた。一般的特徴抽出フレームワークは,複数の検出方法を組み合わせて,多重層をサポートして,複数の特徴抽出を実行することによって,以前の研究結果を包括的に統合した。3つの最も一般的な応用層トンネル,すなわち,DNSトンネル,HTTPトンネルおよびHTTPSトンネルを例として,著者らの検出方法を解析し試験した。実験結果は,提案方法が他の既存の方式と比較して一般的で効率的であることを示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： チャネル ,  ルールベース ,  アルゴリズム ,  特徴抽出 ,  多層 ,  フィルタリング ,  検出法 ,  *機械学習 ,  ネットワーク ,  検出効率
準シソーラス用語： HTTPS ,  HTTP ,  ドメインネーム ,  *アプリケーション層 , 【Automatic Indexing@JST】

著者キーワード (4件)： 応用層トンネル検出 ,  機械学習 ,  DGAドメイン名 ,  特徴抽出

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ルール ,  機械学習 ,  アプリケーション層 ,  トンネル