文献

J-GLOBAL ID：202002281523527698   整理番号：20A2014828

NetFlowベースのトラヒック分類に対する生成敵対ネットワークの影響【JST・京大機械翻訳】

Impact of Generative Adversarial Networks on NetFlow-Based Traffic Classification

著者 (3件)： Wolf Maximilian (Coburg University of Applied Sciences and Arts, Coburg, Germany) ,  Ring Markus (Coburg University of Applied Sciences and Arts, Coburg, Germany) ,  Landes Dieter (Coburg University of Applied Sciences and Arts, Coburg, Germany)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1267  ページ： 393-404  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
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： Long-Short-Termメモリ(LSTM)ネットワークは,逐次情報を処理することができ,自己学習侵入検出法に対する有望なアプローチである。しかし,この手法は,最近と現実的な挙動で,膨大な量の利用可能なラベル付き訓練データを必要とする。本論文では,Generative Adversarial Network(GAN)の使用が,フローベースネットワークデータ上のLSTM分類器の品質を改善できるかどうかを解析した。GANは,正確なコピーを生成することなく,合成,しかし現実的なデータを生成する機会を提供する。分類目的は,フローベースのネットワークデータを通常の挙動と異常に分離することである。そのために,基礎となるデータの変換プロセスを構築し,LSTM-WGAN-GPと呼ばれるベースラインLSTM分類器とGANベースモデルを開発した。実世界データに対するLSTM分類器の訓練の効果を調べ,LSTM-WGAN-GPを実および合成データに訓練した。CIDDS-001およびISCX Botnetデータセットを用いた実験的評価は,精度およびF1-Scoreに関して一般的な改善を示し,一方,同一の低False正速度を維持した。Copyright The Editor(s) (if applicable) and The Author(s), under exclusive license to Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  *ネットワーク ,  基準線
準シソーラス用語： 訓練データ ,  自己学習 ,  侵入検知 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： GAN ,  NetFlow ,  侵入検出 ,  合成データ

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： Netflow ,  トラヒック ,  分類 ,  敵対