文献

J-GLOBAL ID：202002277344407706   整理番号：20A1365369

計算機ネットワークにおけるSSHとFTPのブルータ攻撃検出:LSTMと機械学習アプローチ【JST・京大機械翻訳】

SSH and FTP brute-force Attacks Detection in Computer Networks: LSTM and Machine Learning Approaches

著者 (4件)： Hossain Md Delwar (Nara Institute of Science and Technology,Division of Information Science,Ikoma,Nara,Japan) ,  Ochiai Hideya (The University of Tokyo,Grad. School of Info. Science and Tech.,Tokyo,Japan) ,  Doudou Fall (Nara Institute of Science and Technology,Division of Information Science,Ikoma,Nara,Japan) ,  Kadobayashi Youki (Nara Institute of Science and Technology,Division of Information Science,Ikoma,Nara,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCCS  ページ： 491-497  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： ネットワークトラフィック異常検出は,洗練されたコンピュータネットワーク攻撃の大規模で急速な成長のために,サイバーセキュリティにおいて決定的に重要である。実際,より新しいインターネット関連技術が作成され,攻撃がより精巧になる。すべての現代の高レベル攻撃の中で,辞書ベースのブートフォース攻撃(BFA)は,最も不安定な課題の1つを提示する。実時間でそのような br力攻撃を検出し,緩和する有効な方法を開発する必要がある。本論文では,長短熱メモリ(LSTM)深層学習アプローチを用いてSSHとFTP brute-力攻撃検出を調べた。さらに,機械学習(ML)分類器:J48,ナイーブBayes(NB),ディシジョンテーブル(DT),ランダムフォレスト(RF)およびk-最近傍(k-NN)を追加検出目的に使用した。よく知られたラベル付きデータセットCICIDS2017を用いた。LSTMとMLアルゴリズムの有効性を評価し,その性能を比較した。その結果,LSTMモデルはMLアルゴリズムよりも優れており,精度は99.88%であった。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： アルゴリズム ,  記憶装置 ,  ディシジョンテーブル ,  計算機網 ,  有効性 ,  インターネット ,  *機械学習
準シソーラス用語： 実時間 ,  異常検出 ,  ネットワークトラフィック ,  ランダムフォレスト ,  サイバーセキュリティ ,  深層学習 ,  長短期記憶 , 【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 (6件)： 計算機ネットワーク ,  SSH ,  FTP ,  攻撃 ,  LSTM ,  機械学習