文献

J-GLOBAL ID：202002217312232046   整理番号：20A2638101

LSTMベースのオートエンコーダを用いたネットワーク異常検出【JST・京大機械翻訳】

Network Anomaly Detection Using LSTM Based Autoencoder

著者 (4件)： Said Elsayed Mahmoud (University College Dublin, Dublin, Ireland) ,  Le-Khac Nhien-An (University College Dublin, Dublin, Ireland) ,  Dev Soumyabrata (University College Dublin, Dublin, Ireland) ,  Jurcut Anca Delia (University College Dublin, Dublin, Ireland)
資料名： ACM Proceedings  (ACM Proceedings)
号： Q2SWinet ’20  ページ： 37-45  発行年： 2020年 
JST資料番号： D0698C  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： 異常検出は,予想正常挙動に合致しないデータのパターンを発見することを目的とする。異常検出技術の重要な問題の一つは,モデルの訓練/検証のためのラベル付きデータのアベイラビリティである。本論文では,通常のクラスの例のみを用いてモデルを訓練することにより,不均衡データセットにおける異常ベース攻撃を検出するために,Long Short Termメモリ(LSTM)オートエンコーダと1クラスサポートベクトルマシン(OC-SVM)に基づくハイパーアプローチを提案した。LSTM-オートエンコーダを訓練して,正常トラフィックパターンを学習し,入力データの圧縮表現を学習し(即ち,潜在特徴),次にそれをOC-SVM手法に供給した。ハイブリッドモデルは分離OC-SVMの短所を克服し,その中で,大規模で高次元のデータセットで動作する能力が低い。さらに,SDN環境に対する侵入検知システム(IDS)の最新データセット(InSDN)を用いて実験を行った。実験結果は,提案モデルがより高い検出率を提供して,処理時間を著しく減少することを示した。したがって,著者らの方法は,悪意のあるトラフィックからSDNネットワークを確保する際に大きな信頼性を提供する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  加工時間 ,  信頼性 ,  *ネットワーク ,  アベイラビリティ ,  *符号器 ,  高次元 ,  安全対策
準シソーラス用語： ハイブリッドモデル ,  異常検出 ,  検出率 ,  侵入検知システム ,  *自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (8件)： InSDN ,  LSTM ,  SDN ,  異常検出 ,  自動エンコーダ ,  深層学習 ,  悪性交通 ,  セキュリティ対策

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 (3件)： LSTM ,  オートエンコーダ ,  異常検出