文献

J-GLOBAL ID：202002220036835379   整理番号：20A1710287

NoSQL攻撃検出のための人工ニューラルネットワーク利用の提案【JST・京大機械翻訳】

Proposing to Use Artificial Neural Networks for NoSQL Attack Detection

著者 (1件)： Alizadehsani Zakieh (BISITE Research Group, University of Salamanca, Salamanca, Spain)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1242  ページ： 247-255  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  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： 関係データベースは,これまで,ソフトウェア世界における特定のブームを楽しんでいる。これらの日は,現代の応用,非構造化データ生産の上昇によって,従来のデータベースは,すべてのシステムのニーズを完全に満たすことができなかった。これらの問題に関して,NOSQLデータベースが開発され,良好な代替である。しかし,セキュリティ側面は遅れた。注入攻撃は,NoSQLにおいて深刻でないWeb攻撃の最も深刻なクラスである。本論文は,NoSQL注入のためのニューラルネットワークモデルアプローチを提示する。この方法は,注入を同定するための最良で最も効果的な特徴の使用を試みる。使用した特徴は,要求量に基づく最初のもの,および要求メタパラメータに依存しない第2のカテゴリーに分割される。攻撃ペイロード特徴を検出するために,ユーザ入力の悪意のある速度を得るために,文字レベル解析を研究した。結果は,著者らのモデルが,キーワードレベルでブラックリストアプローチを作業するモデルと比較して,より多くの攻撃ペイロードを検出したことを示した。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： キーワード ,  データベース ,  *ニューラルネットワーク ,  特徴抽出 ,  ペイロード ,  ソフトウェア ,  関係データベース ,  セキュリティ ,  Web【情報システム】
準シソーラス用語： 神経回路網モデル ,  ビッグデータ ,  非構造化データ ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (7件)： セキュリティ ,  攻撃検出 ,  NoSQL注射 ,  ビッグデータ ,  特徴抽出 ,  深層学習 ,  人工ニューラルネットワーク

分類 (2件)： データ保護  (JD01020V) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： 攻撃 ,  人工ニューラルネットワーク ,  提案