文献

J-GLOBAL ID：202002261758345499   整理番号：20A1058625

iot応用のための機械学習ベース侵入検出システム【JST・京大機械翻訳】

Machine Learning Based Intrusion Detection Systems for IoT Applications

著者 (2件)： Verma Abhishek (Department of Computer Engineering, National Institute of Technology Kurukshetra, Kurukshetra, India) ,  Ranga Virender (Department of Computer Engineering, National Institute of Technology Kurukshetra, Kurukshetra, India)
資料名： Wireless Personal Communications  (Wireless Personal Communications)
巻： 111  号： 4  ページ： 2287-2310  発行年： 2020年 
JST資料番号： W2022A  ISSN： 0929-6212  資料種別： 逐次刊行物 (A)
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： モノのインターネット(IoT)とその応用は現在最も一般的な研究分野である。一つの側のIoTの特性は,それを現実の応用に容易に適用できるが,他方では,それをサイバー脅威に曝す。サービスの否定(DoS)は,IoTに対する最も壊滅的な攻撃の1つである。本論文では,DoS攻撃に対するIoTを確保するための機械学習分類アルゴリズムを用いることの展望を検討した。包括的な研究は,アノalyベースの侵入検知システム(IDS)の開発を進めることができる分類装置に関して行われる。分類器の性能評価を,顕著な計量と検証法の観点から行った。一般的データセットCIDDS-001,UNSW-NB15,およびNSL-KDDをベンチマーキング分類器に用いた。FriedmanとNemenyi試験を用いて分類器間の有意差を統計的に解析した。さらに,Raspberry Piを用いて,IoT特異的ハードウェア上の分類器の応答時間を評価した。また,アプリケーション要件ごとに最良の分類器を選択するための方法論についても議論する。本研究の主な目標は,アンサンブル学習を用いてIDSsを開発するためのIoTセキュリティ研究者を動機づけ,分類器の性能の統計的評価のための適切な方法を示唆することである。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動機づけ ,  分類装置 ,  応用プログラム ,  ハードウェア ,  応答時間 ,  性能評価 ,  セキュリティ ,  *機械学習 ,  サイバー攻撃
準シソーラス用語： ベンチマーキング ,  アンサンブル学習 ,  DoS ,  *侵入検知 ,  分類アルゴリズム ,  侵入検知システム ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (6件)： モノのインターネット ,  サービスの拒否 ,  侵入検知 ,  異常 ,  有意性試験 ,  性能分析

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： IoT ,  応用 ,  機械学習 ,  侵入 ,  検出システム