文献

J-GLOBAL ID：202002252490575865   整理番号：20A0952384

機械学習に基づくオンライン侵入検出のモノのインターネットネットワークへの実用的応用【JST・京大機械翻訳】

Practical Application of Machine Learning based Online Intrusion Detection to Internet of Things Networks

著者 (3件)： Nixon Christopher (Staffordshire University,Stoke-on-Trent,UK) ,  Sedky Mohamed (Staffordshire University,Stoke-on-Trent,UK) ,  Hassan Mohamed (Staffordshire University,Stoke-on-Trent,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GCIoT  ページ： 1-5  発行年： 2019年 
JST資料番号： W2441A  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： モノのインターネット(IoT)デバイスはオープンで分散した知覚層に参加し,サイバー攻撃に対する脆弱性がデータプライバシーとサービスアベイラビリティに対する重要な関心事になっている。認識層は,資源が制約され,ネットワークが分散されている侵入検知のためのユニークな挑戦を提供する。さらなる挑戦は,IoTネットワークが,それらの可変性により,概念ドリフトを経験する可能性がある連続的な非定常データストリームであるということである。本研究は,IoTネットワーク侵入検出のためのオンライン機械学習法の実用化をレビューすることを目的として,資源効率的アーキテクチャが提供できるかどうかの問題に答えた。オンライン学習アーキテクチャを導入し,関連IDSアプローチをレビューし評価した。オンライン学習は,概念ドリフトに適応し,異常検出を実行する可能性のあるメモリと時間効率的アーキテクチャを提供し,資源制約と分散IoT知覚層の解を提供する。将来の研究は,少数の攻撃クラスが見過ごされないことを保証するために,データストリームにおけるクラス不均衡を扱うことに焦点を合わせるべきである。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. 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 ,  *ネットワーク ,  ドリフト ,  計算機アーキテクチャ ,  *機械学習
準シソーラス用語： オンライン学習 ,  データストリーム ,  *侵入検知 ,  脆弱性 ,  非定常性 ,  異常検出 ,  *オンライン ,  *モノのインターネット ,  資源制約 ,  クラス不均衡 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  オンライン ,  侵入 ,  インターネット ,  実用的応用