文献

J-GLOBAL ID：202002261179402004   整理番号：20A1201527

ラッパーに基づく特徴選択機構を用いた悪意のあるトラフィック同定【JST・京大機械翻訳】

IoT malicious traffic identification using wrapper-based feature selection mechanisms

著者 (5件)： Shafiq Muhammad (Department of Cyberspace Insitute of Advanced Technology, GuangZhou University, GuangZhou 510006, China) ,  Tian Zhihong (Department of Cyberspace Insitute of Advanced Technology, GuangZhou University, GuangZhou 510006, China) ,  Bashir Ali Kashif (Department of Computing and Mathematics, Manchester Metropolitan University, Manchester, UK) ,  Du Xiaojiang (Department of Computer and Information Sciences, Temple University, Philadelphia, USA) ,  Guizani Mohsen (Department of Computer Science and Engineering, Qatar University, Qatar)
資料名： Computers & Security  (Computers & Security)
巻： 94  ページ： Null  発行年： 2020年 
JST資料番号： E0995A  ISSN： 0167-4048  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習(ML)は,悪意のある侵入トラフィック同定のためのモノのインターネット(IoT)サイバーセキュリティにおいて非常に重要な役割を果たす。言い換えれば,MLアルゴリズムはIoTリスク管理におけるIoTトラフィック同定に広く適用されている。しかしながら,不正確な特徴選択により,ML技術は,スマートアプリケーションのためのスマートIoTネットワークにおける多くの悪意のあるトラフィックを誤分類する。問題を扱うために,正確なスマートIoT異常と侵入トラフィック同定のために十分な情報を運ぶ特徴集合を選択することは非常に重要である。本論文において,著者らは最初に,効果的特徴を選択するために効果的な特徴選択のために二重のソフト集合を適用して,次に著者らは新規のCorrACC特徴選択計量方式を提案した。その後,著者らは,CorrACCに基づくCorraccと呼ばれる新しい特徴選択アルゴリズムを設計し,開発した。それは,特徴をフィルタするためにラッパ技術に基づいており,ACC計量を用いて特定のML分類装置のための有効な特徴を選択する。提案した手法を評価するために,BoT-IoTデータセット上で4つの異なるML分類器を用いた。著者らのアルゴリズムによって得られた実験結果は有望であり,95%以上の精度を達成することができた。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  フィルタ ,  ネットワーク ,  分類装置 ,  *特徴選択 ,  応用プログラム ,  リスク管理 ,  機械学習
準シソーラス用語： *ラッパー ,  サイバーセキュリティ ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (7件)： 特徴選択 ,  モノのインターネット ,  サイバーセキュリティ ,  攻撃 ,  分類 ,  ID化 ,  機械学習

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： ラッパー ,  特徴選択 ,  トラフィック ,  同定