文献

J-GLOBAL ID：202002290587881247   整理番号：20A0912028

Gauss混合モデルと最近傍に基づくハイブリッド侵入検出アルゴリズム【JST・京大機械翻訳】

A Hybrid Intrusion Detection Algorithm Based on Gaussian Mixture Model and Nearest Neighbors

著者 (6件)： Long Chun (Chinese Academy of Sciences,Computer Network Information Center,Beijing,China) ,  Zhang Yurou (University of Chinese Academy of Sciences,Computer Network Information Center,Beijing,China) ,  Wei Jinxia (Chinese Academy of Sciences,Computer Network Information Center,Beijing,China) ,  Wan Wei (Chinese Academy of Sciences,Computer Network Information Center,Beijing,China) ,  Zhao Jing (Chinese Academy of Sciences,Computer Network Information Center,Beijing,China) ,  Du Guanyao (Chinese Academy of Sciences,Computer Network Information Center,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： LCN  ページ： 117-120  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： ハイブリッド学習アプローチは,侵入検出の分野において単一技術より優れていることを証明した。さらに,代表的特徴は,正確な署名を生成し,検出性能を改善する決定因子である。本論文で著者らは,Gauss混合モデル(GMM)とk-最近傍(k-NN)に基づくハイブリッド侵入検出アルゴリズムを提案した。より具体的には,まず,各カテゴリの空間分布を特徴付けるためにGMMを実装した。次に,GMDDと呼ばれる距離と密度特徴を抽出するために,新しいGMMベースのデータ形成法を実行した。元のデータに含まれる分類情報を十分に利用することにより,GMDDは簡潔で高品質な特性を構築する。最後に,k-NNを訓練し,検出モデルを構築するために新たに変換したデータセット上でテストした。KDD’99およびNSL-KDDデータセットに関する実験結果は,提案方法が精度,検出率および誤警報率に関する他の最近の研究より優れているだけでなく,優れた計算効率を提供することを示した。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： *空間分布
準シソーラス用語： 計算効率 ,  *侵入検知 ,  *Gauss混合モデル ,  高品質 ,  検出率 ,  *検出アルゴリズム ,  誤警報率 ,  ハイブリッド学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： Gauss混合モデル ,  侵入 ,  検出アルゴリズム