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。
プラットフォーム情報技術(PIT)システムのための侵入検知システム(IDS)は,情報,研究,評価,研究,および有効性のためのデータを捕捉することにおいて不足している。IDSは,サイバーの健康を監視するために機械学習技術を利用し,悪意のある対正常なタイプのトラフィックから学習し,PITシステムのための自動化された保護対策を実行する。アンサンブル学習は,異常検出,マルウェア検出,侵入検出,およびハードウェアまたはソフトウェアにおける微妙または実質的変化に使用される。アンサンブル学習は,類似性をクラスタ化することによって正常または異常である静的および動的コマンド,指令,およびプロセスを区別するために用いることができる。この方法は異常の同定とそれらの分類を支援する。次元縮小は,現在選択のために評価されている特徴の数を最小化する。主成分分析(PCA)と独立成分分析(ICA)を用いて,テストシステムハードウェアとソフトウェアベースラインで非定型的な特徴を強調した。これらの方法は,予測およびサイバーヘルスモニタリングに使用できる。異常検出,同定,PITソフトウェア資源の発見,コマンド,および悪意のある意図を持つ指令。アンサンブル学習と次元縮小は,既知(教師つき)と未知(教師なし)環境,プロセス,プログラム,データ,ラベル,およびトラフィックに基づいて変化する適応IDSの基礎を提供する。本論文では,PITシステム異常と侵入検知知能を用いた系統的利用のためのPCA,ICA,およびアンサンブル学習法を提案した。訓練されたIDSとサイバーヘルスモデルは,類似のPITシステムのためのソフトウェアベースラインを提供する。IDSと予防的サイバーヘルスモニタリングは,自動試験技術に焦点を合わせたPITシステムのagsticである。複数のPITシステムに関するIDSとサイバーヘルスモニタリングソフトウェアの訓練は,これらのユニークなシステムに適用できる研究,データ,および情報を提供する。通常と悪意のある挙動,プロセス,資源,およびトラフィックの混合は,PITシステムのベースライン構成の変化に対する情報とデータを,システムハードウェア,ソフトウェア,またはファームウェアにおける微妙な偏差または変化に対して提供する。一般的な農業知的異常検出と予防ツールの連続的訓練,学習,および試験は,自動試験技術,サイバーセキュリティヘルスモニタリング,および正常システム挙動におけるスライトテスト変化の徹底的検出に対するシステムの読みやすさを提供する。応用は,PITシステムのための研究と製品を進めるために,人工ニューラルネットワークのタイプ,強化学習,政策反復,および価値反復を含むように拡張される。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】
