文献

J-GLOBAL ID：202002226316323252   整理番号：20A1949996

改良型深層信念ネットワークに基づく侵入検出法【JST・京大機械翻訳】

An intrusion detection approach based on improved deep belief network

著者 (6件)： Tian Qiuting (College of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Han Dezhi (College of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Li Kuan-Ching (Department of Computer Science and Information Engineering (CSIE), Providence University, Taichung City, Taiwan) ,  Liu Xingao (College of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Duan Letian (College of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Castiglione Arcangelo (Department of Computer Science, University of Salerno, Fisciano, SA, Italy)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 50  号： 10  ページ： 3162-3178  発行年： 2020年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
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： 今日の相互接続社会において,サイバータックは,より頻繁で,洗練された,そして,既存の侵入検知システムは,複雑なサイバー脅威景観において適切でないかもしれない。例えば,既存の侵入検知システムは,著しく大きな体積と多様なネットワークデータに直面したとき,過剰適合,低い分類精度,および高い偽陽性率(FPR)を持つかもしれない。本論文では,改良深層信念ネットワーク(DBN)に基づく侵入検出手法を提案し,データセットを確率的質量関数(PMF)符号化とMin-Max正規化法により処理し,データ前処理を単純化する。さらに,Kullback-Leibler(KL)発散と非平均Gauss分布に基づく複合スパースペナルティ項を,DBNの教師なし訓練位相の尤度関数に導入して,スパース制約はデータセットのスパース分布を検索して,このように,特徴均一性と過剰適合の問題を回避した。最後に,シミュレーション実験を,NSL-KDDとUNSW-NB15公開データセットに関して実行した。提案方法は,それぞれ96.17%と86.49%の精度を達成した。実験結果は,最先端の方法と比較して,提案方法が分類精度とFPRにおいて著しい改良を達成することを示した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  簡素化 ,  正規分布 ,  *ネットワーク ,  相互接続 ,  位相 ,  深層 ,  正規化 ,  尤度関数
準シソーラス用語： *侵入検知 ,  *信念ネットワーク ,  Max ,  分類精度 ,  侵入検知システム , 【Automatic Indexing@JST】

著者キーワード (3件)： 侵入検出 ,  深い信念ネットワーク(DBN) ,  確率的質量関数(PMF)尤度関数Kullback-Leibler(KL)発散

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 深層 ,  信念ネットワーク ,  侵入 ,  検出法