抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
教師なし異常検出は,多くのシステムの異常な挙動と積分部分を見つけるための研究の重要な領域である。本研究では,教師なしの方法で異常を検出するために,軽量の深いオートエンコーダに基づくアプローチを提示した。それは,正規パターン上のモデルを学習する能力を持ち,いかなる偏差も異常と考えられる。その結果,モデルの訓練段階の間に異常なデータパターンを持つ条件を緩和することができる。本研究では,簡単なアーキテクチャが訓練,試験時間,パラメータの数,および計量に関して良好な性能を示すことができることを示すために,異常検出タスクのための軽量オートエンコーダを検討した。二値分類問題(すなわち,各データ点は正常または異常のどちらかを考慮した)に対して自動符号器を適用した。再構成誤差を用いて異常を検出した。実験は侵入検知システムとして知られているサイバーセキュリティドメインの特定のクラス上で行われる。KDD-99,NSL-KDDおよびUNSW-NB15の標準公開可能ベンチマークに関する著者らのモデルを評価し,それぞれ0.96,0.88および0.95のF1スコアを達成した。それは,最先端の方法と比較して,かなりのマージンによって性能を上回った。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】