文献

J-GLOBAL ID：202002235728172868   整理番号：20A1942395

侵入と異常検出のための機械学習アプローチ【JST・京大機械翻訳】

PAREEKSHA a machine learning approach for intrusion and anomaly detection

著者 (3件)： Nagaraja Arun (Jain University, Bangalore, INDIA) ,  Aljawarneh Shadi (JUST, Jordan) ,  S Prabhakara H. (Malnad College of Engineering, Hasan, Karnataka, India)
資料名： ACM Proceedings  (ACM Proceedings)
号： DATA ’18  ページ： 1-6  発行年： 2018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： メンバーシップ関数は,ベクトルまたは配列のような2つの要素間の類似性を同定し,知ることを助ける。本論文の目的は,メンバーシップ関数を示唆し,データセットの性質の学習のためにこのメンバーシップ関数を適用することである。初期学習過程において,得られた要素ベクトルをクラスタを得るためにグループ化した。インクリメンタルクラスタリング技術を用いてグループ化を行った。したがって,このように,任意の誤って分類された要素が適切に置かれるように,拡張メンバーシップ関数を用いて,初期知識を構築する。PAREEKSHAとしてアプローチを名付ける。メンバーシップ関数は,基本的なGaussメンバーシップ関数を拡張することによって得られ,最近の研究文献におけるCLAPP,G-SPAMINE,およびGARUDAのようなアプローチによって触発された。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： ベクトル ,  クラスタ ,  類似性 ,  メンバシップ関数 ,  *機械学習 ,  文献調査
準シソーラス用語： 学習過程 ,  侵入検知 ,  異常検出 , 【Automatic Indexing@JST】

著者キーワード (7件)： 異常 ,  分類 ,  検出 ,  貫入 ,  文献調査 ,  メンバシップ ,  侵入検知のための新しいアプローチ

分類 (2件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 侵入 ,  異常検出 ,  機械学習