文献

J-GLOBAL ID：202002286027137884   整理番号：20A2552108

適応合成サンプリングと改良型畳込みニューラルネットワークに基づく新しい無線ネットワーク侵入検出法【JST・京大機械翻訳】

A Novel Wireless Network Intrusion Detection Method Based on Adaptive Synthetic Sampling and an Improved Convolutional Neural Network

著者 (5件)： Hu Zhiquan (College of Information Science and Engineering, Xinjiang University, Ueruemqi, China) ,  Wang Liejun (College of Information Science and Engineering, Xinjiang University, Ueruemqi, China) ,  Qi Lei (College of Information Science and Engineering, Xinjiang University, Ueruemqi, China) ,  Li Yongming (College of Information Science and Engineering, Xinjiang University, Ueruemqi, China) ,  Yang Wenzhong (College of Information Science and Engineering, Xinjiang University, Ueruemqi, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 195741-195751  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： ネットワーク攻撃の多様性は,侵入検知システム(IDS)に厳しい挑戦をもたらす。伝統的攻撃認識方法は,通常,マイニングデータ結合を採用して,異常を同定し,それは,高い誤り警報率(FAR),低い認識精度(ACC),および貧弱な一般化能力の欠点を持っている。IDSの包括的能力を改善し,ネットワークセキュリティを強化するため,適応合成サンプリング(ADAMSYN)アルゴリズムと改良畳込みニューラルネットワーク(CNN)に基づく新しい侵入検出法を提案した。最初に,サンプル分布のバランスをとるためにADASYN法を使用し,大きなサンプルに敏感であり,小さなサンプルを無視することができる。第2に,改良CNNは分割畳込みモジュール(SPC-CNN)に基づき,それは特徴の多様性を増加して,モデル訓練に及ぼすチャネル間情報冗長性の影響を除去することができた。次に,ADASYNとSPC-CNNと混合したAS-CNNモデルを,侵入検出タスクに使用した。最後に,標準NSL-KDDデータセットを選択してAS-CNNを試験した。シミュレーションは,精度が従来のCNNとRNNモデルのものより4.60%と2.79%高く,検出率(DR)がそれぞれ11.34%と10.27%増加することを示した。さらに,FARは,2つのモデルと比較して,それぞれ15.58%と14.57%減少した。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： アルゴリズム ,  *畳込み ,  冗長性 ,  チャネル
準シソーラス用語： *無線ネットワーク ,  *侵入検知 ,  誤警報 ,  認識精度 ,  検出率 ,  ネットワークセキュリティ ,  侵入検知システム ,  データ結合 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 適応 ,  サンプリング ,  畳込みニューラルネットワーク ,  無線ネットワーク ,  侵入 ,  検出法