文献

J-GLOBAL ID：202002229458229718   整理番号：20A1034737

GAMPAL: LSTM-RNNを用いたフロー予測によるインターネットバックボーントラフィックの異常検出【JST・京大機械翻訳】

GAMPAL: Anomaly Detection for Internet Backbone Traffic by Flow Prediction with LSTM-RNN

著者 (4件)： Wakui Taku (Graduate School of Science and Technology, Keio University, Minato City, Japan) ,  Kondo Takao (Graduate School of Science and Technology, Keio University, Minato City, Japan) ,  Kondo Takao (Headquarters of Information Technology Center, Keio University, Minato City, Japan) ,  Teraoka Fumio (Faculty of Science and Technology, Keio University, Minato City, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12081  ページ： 196-211  発行年： 2020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： 本論文では,GAMPALと名付けたインターネットバックボーントラフィックに対する汎用異常検出機構を提案した。GAMPALは,汎用異常検出を達成するためにラベル付きデータを必要としない。BGP RIB(Routing Information Base)におけるエントリー数へのスケーラビリティに対して,GAMPALは経路凝集体を導入する。BGP RIBエントリーは経路凝集体に分類され,その各々はAS_PATH属性における最初の3つのAS数で同定される。GAMPALは,過去のトラフィックスループットに基づくトラフィックスループットの予測モデルを確立する。それは,インターネットトラフィックパターンの毎週スケールにおける周期性に焦点を合わせたLSTM-RNN(Long Short-Tem Memory Recurent Neural Network)モデルを採用する。GAMPALの妥当性を,日本における研究および教育機関のために,実際の交通情報およびWIDEバックボーンネットワーク(AS2500)から輸出されたBGP RIBを用いて評価した。結果として,GAMPALは,イベントによるトラヒック増加とスタブ組織化を目標としたDDoS攻撃を検出することに成功した。Copyright IFIP International Federation for Information Processing 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 交通情報 ,  基幹回線 ,  導波管棒 ,  スループット ,  *インターネット ,  凝集体 ,  予測モデル ,  サイバー攻撃
準シソーラス用語： 周期性 ,  DDoS攻撃 ,  異常検出 ,  ネットワークトラフィック ,  教育機関 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： ネットワークトラフィック解析 ,  汎用異常検出 ,  インターネットバックボーン ,  LSTM-RNN

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： LSTM ,  RNN ,  フロー ,  予測 ,  異常検出