文献

J-GLOBAL ID：202002277631296355   整理番号：20A2771018

一次元畳込みとGRUの組合せを用いた侵入検出【JST・京大機械翻訳】

Intrusion detection using a combination of one-dimensional convolution and GRU

著者 (2件)： Wang Xiaojuan (MOE Research Center for Software/Hardware Co-Design Engineering and Application Software Engineering Institute East China Normal University Shanghai, China) ,  Xiao Bo (MOE Research Center for Software/Hardware Co-Design Engineering and Application Software Engineering Institute East China Normal University Shanghai, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1684  号： 1  ページ： 012083 (7pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 侵入検出はネットワーク情報セキュリティを確実にする際に重要な役割を果たす。伝統的機械学習技術は,大量のデータと様々な侵入クラスで十分にうまく機能せず,検出精度は未知の侵入で不満足である。本論文は,マルチクラス侵入検出シナリオのために一次元畳込みとGRUを結合した新しいネットワーク侵入検出モデル(Conv1d-GRU)を提案して,各カテゴリのサンプルを重みづけすることによってデータ不均衡を改善した。KDD CUP99データセットの改良版としてのNSL-KDDを,著者らの侵入検知システムのために選択した。このデータセットに関する実験結果は,提案した深層学習方法が機械学習と深層学習に基づく現在の侵入検出法より優れていて,より良い特徴表現学習と分類能力を有することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ネットワーク ,  *一次元 ,  重みづけ ,  機械学習 ,  情報セキュリティ
準シソーラス用語： 不均衡 ,  *侵入検知 ,  侵入検知システム ,  検出精度 ,  機械学習技術 ,  深層学習 ,  表現学習 , 【Automatic Indexing@JST】

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 (3件)： 畳込み ,  組合せ ,  侵入