文献

J-GLOBAL ID：202102210920270457   整理番号：21A0667899

次元縮小と機械学習を用いた高速で信頼性のあるDDoS検出【JST・京大機械翻訳】

Fast and Reliable DDoS Detection using Dimensionality Reduction and Machine Learning

著者 (4件)： Ashi Zein (King Hussein School of Computing Science Princess Sumaya University for Technology,Amman,Jordan) ,  Aburashed Laila (King Hussein School of Computing Science Princess Sumaya University for Technology,Amman,Jordan) ,  Al-Fawa’reh Mohammad (King Hussein School of Computing Science Princess Sumaya University for Technology,Amman,Jordan) ,  Qasaimeh Malek (King Hussein School of Computing Science Princess Sumaya University for Technology,Amman,Jordan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICITST  ページ： 1-10  発行年： 2020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： 分散型サービスサービス(DDoS)攻撃は,攻撃者が攻撃を開始するために,クラウドシステムの外部と内部から機械を利用するクラウドコンピューティングシステムに脅威を提起する。DDoS攻撃を防ぐために,クラウドネットワークトラフィックのリアルタイム分析は基本である。機械学習技術は,クラウドコンピューティングシステムにおけるロバスト侵入検知システムを開発するための効果的解決策である。本論文は,機械学習フレームワークを提案し,クラウドコンピューティングシステムにおけるDDoS攻撃を検出するために機械学習分類器を利用する可能性を探求した。第1に,特徴の全次元によって,これらの次元を縮小することによる。このフレームワークは,新しいDDoS攻撃の検出と,その軽量アルゴリズムにおいて,高精度な速度によって特性化される。Copyright 2021 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 ,  *信頼性 ,  キャラクタリゼーション ,  *次元縮小 ,  ロバスト性 ,  *機械学習 ,  *サイバー攻撃
準シソーラス用語： *DDoS攻撃 ,  高精度 ,  実時間 ,  ネットワークトラフィック ,  侵入検知システム ,  クラウドコンピューティング ,  機械学習技術 ,  軽量 ,  攻撃者 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 次元縮小 ,  機械学習 ,  DDoS