文献

J-GLOBAL ID：202002262826826740   整理番号：20A2259562

強化テキストCNNを用いた悪性Web要求の検出【JST・京大機械翻訳】

Detecting Malicious Web Requests Using an Enhanced TextCNN

著者 (7件)： Yu Lian (Peking University) ,  Chen Lihao (Peking University) ,  Dong Jingtao (Peking University) ,  Li Mengyuan (Peking University) ,  Liu Lijun (Mobile China) ,  Zhao Bai (Mobile China) ,  Zhang Chen (Mobile China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： COMPSAC  ページ： 768-777  発行年： 2020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： 本論文では,深層学習ベース手法と従来の機械学習ベース法を組み合わせた手法を提案し,受信した悪意のある要求Webサーバを効率的に検出した。テキスト分類のための畳込みニューラルネットワークの最初の数層(TextCNN)を用いて,強力な意味的特徴を自動的に抽出して,一方,移動可能な統計的特徴を定義して,検出能力,特にWeb要求パラメータ改ざんをブーストした。人工的設計からのTextCNNと移動可能な統計的特徴からの意味的特徴を,サポートベクトルマシン(SVM)に供給するために一緒にグループ分けし,分類のためにTextCNNの最後の層を置き換えた。TextCNNによって抽出されたベクトルにおける数値データの形式における抽象特性の理解を容易にするために,本論文は,Web要求における単語に最大プール出力を写像するトレースバック機能を設計した。Web攻撃検出のための現在の利用可能なデータセットを調査した後に,HTTPデータセットCSIC2010を選択し,提案した方法を試験,検証した。他の深い学習モデルと比較して,実験結果は,本論文で提案した方式が最先端技術と競合することを証明した。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： ベクトル ,  学習モデル ,  単語 ,  *Web【情報システム】 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： テキスト分類 ,  HTTP ,  Webサーバ ,  改竄 ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (3件)： 強化 ,  CNN ,  Web