文献

J-GLOBAL ID：202002256261383760   整理番号：20A0285690

CEPHによる深層学習を用いたネットフローモニタリングとサイバー攻撃検出【JST・京大機械翻訳】

NetFlow Monitoring and Cyberattack Detection Using Deep Learning With Ceph

著者 (6件)： Yang Chao-Tung (Department of Computer Science, Tunghai University, Taichung City, Taiwan) ,  Liu Jung-Chun (Department of Computer Science, Tunghai University, Taichung City, Taiwan) ,  Kristiani Endah (Department of Industrial Engineering and Enterprise Information, Tunghai University, Taichung City, Taiwan) ,  Liu Ming-Lun (Department of Computer Science, Tunghai University, Taichung City, Taiwan) ,  You Ilsun (Department of Information Security Engineering, Soonchunhyang University, Asan-si, South Korea) ,  Pau Giovanni (Faculty of Engineering and Architecture, Kore University of Enna, Enna, Italy)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 7842-7850  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： ネットワークの隠れた異常な挙動を構成することは,ネットワーク脆弱性を減らすことができた。本論文は,ネットワークの収集されたログデータが処理されて,分析されることができる詳細なアーキテクチャを提示した。著者らは,すべてのルータからキャンパスネットワーク情報を処理して統合して,統合NetFlowログデータを保存した。Cephは,Pythonによる生データの高効率,高信頼性,スケーラビリティ,および予備的前処理を提供するオープンソース分散ストレージプラットフォームとして使用され,冗長な領域と統一を除去する。サブ解析では,標準偏差則の3倍の異常事象と絶対流れを発見した。Keraはサイバー攻撃を通して収集された時間内データを分類するために使用され,Recurringニューラルネットワーク(RNN)テストを通して自動識別子テンプレートを構築する。最適化モデルの同定精度は,攻撃検出において約98%である。最後に,MySQLサーバにおいて,リアルタイム評価の結果を得ることができて,評価の結果はEChartsを通して表示することができた。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： ニューラルネットワーク ,  標準偏差 ,  計算機アーキテクチャ ,  *ネットワーク ,  前処理 ,  冗長性
準シソーラス用語： 実時間 ,  最適化モデル ,  自動認識 ,  オープンソース ,  高信頼性 ,  高効率 ,  Python ,  脆弱性 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (2件)： 深層学習 ,  サイバー攻撃