文献

J-GLOBAL ID：202002290945239727   整理番号：20A0080035

VANETにおけるネットワークトラフィックの時空間およびスパース特徴に基づく異常検出【JST・京大機械翻訳】

Anomaly Detection Based on Spatio-Temporal and Sparse Features of Network Traffic in VANETs

著者 (4件)： Nie Laisen (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China) ,  Wu Yixuan (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China) ,  Wang Huizhi (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China) ,  li yongkang (School of Electronics and Information, Northwestern Polytechnical University, Xi’an, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 177954-177964  発行年： 2019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： 車両アドホックネットワーク(VANET)は,それらの可能性と様々な応用により最近大きな注目を集めている。しかし,VANETの初期位相は,広い応用領域の間の無線通信ネットワークの開放性によって引き起こされるセキュリティとプライバシー保護の問題のような多くの研究課題を扱う必要がある。特に,VANETに対する異常検出は,従来の無線ネットワークと比較してVANETのシナリオの変化により困難な問題になっている。この問題に動機付けられて,VANETにおける異常検出の問題に焦点を合わせて,本論文において畳込みニューラルネットワークに基づく効果的異常検出手法を提案した。提案した方式は,VANETトラフィックの時空的でまばらな特徴を考慮して,それは,トラフィックマトリックスを抽出して推定するために,マハラノビス距離に基づく畳込みニューラルネットワークアーキテクチャと損失関数を使用した。次に,強化学習を用いて異常検出を実行した。さらに,包括的評価を提供し,提案したアプローチを検証し,このアプローチの有効性を例証した。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： 有効性 ,  強化学習 ,  損失関数 ,  *畳込み ,  位相 ,  セキュリティ
準シソーラス用語： Mahalanobis距離 ,  畳込みニューラルネットワーク ,  無線ネットワーク ,  異常検出 ,  *ネットワークトラフィック ,  *VANET , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： VANET ,  ネットワークトラフィック ,  時空間 ,  異常検出