文献

J-GLOBAL ID：202102213577793568   整理番号：21A2713257

IntrudTree:機械学習ベースのサイバーセキュリティ侵入検出モデル【JST・京大機械翻訳】

IntruDTree: A Machine Learning Based Cyber Security Intrusion Detection Model

著者 (5件)： Sarker Iqbal H. (Department of Computer Science and Software Engineering, Swinburne University of Technology, Melbourne, VIC 3122, Australia) ,  Sarker Iqbal H. (Department of Computer Science and Engineering, Chittagong University of Engineering and Technology, Chittagong 4349, Bangladesh) ,  Abushark Yoosef B. (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Alsolami Fawaz (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Khan Asif Irshad (Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 12  号： 5  ページ： 754  発行年： 2020年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： サイバーセキュリティは,最近,モノのインターネット(IoT)の人気,コンピュータネットワークの大きな成長,および膨大な数の関連するアプリケーションにより,今日のセキュリティ懸念において大きな注目を集めている。したがって,ネットワークにおける様々なサイバー攻撃または異常を検出し,今日のセキュリティにおいて本質的な役割を実行する効果的な侵入検知システムの構築がより重要になっている。人工知能,特に機械学習技術は,そのようなデータ駆動インテリジェント侵入検知システムの構築に使用できる。この目標を達成するために,本論文では,まず,それらの重要性に従ってセキュリティ特徴のランキングを考慮し,次に選択した重要な特徴に基づくツリーベースの一般化侵入検出モデルを構築する,侵入検出ツリー(Intrut Detree)機械学習ベースのセキュリティモデルを提示する。このモデルは,非セーンテストケースの予測精度に関して有効であるだけでなく,特徴次元を減らすことによって,モデルの計算量を最小化する。最後に,著者らのIntruDTreeモデルの有効性をサイバーセキュリティデータセットに関する実験を行い,精度,想起,スコア,精度,およびROC値を計算して評価した。また,得られたセキュリティモデルの有効性を解析するために,ナイーブBayes分類器,ロジスティック回帰,サポートベクターマシン,およびk-最近傍のようないくつかの従来の一般的機械学習方式とIntrutDreeモデルの結果を比較した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  ネットワーク ,  計算機網 ,  計算量 ,  人工知能 ,  応用プログラム ,  *機械学習 ,  サポートベクトルマシン ,  サイバー攻撃
準シソーラス用語： ロジスティック回帰分析 ,  予測精度 ,  Bayes分類器 ,  侵入検知システム ,  *サイバーセキュリティ ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (9件)： サイバーセキュリティ ,  サイバー攻撃 ,  異常検出 ,  侵入検知システム ,  機械学習 ,  ネットワーク挙動解析 ,  サイバー意思決定 ,  サイバーセキュリティ解析 ,  サイバー脅威知能

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

引用文献 (56件)：

• Sun, N.; Zhang, J.; Rimba, P.; Gao, S.; Zhang, L.Y.; Xiang, Y. Data-driven cybersecurity incident prediction: A survey. IEEE Commun. Surv. Tutor. 2018, 21, 1744-1772.
• Dainotti, A.; Pescapé, A.; Ventre, G. Worm traffic analysis and characterization. In Proceedings of the 2007 IEEE International Conference on Communications, Glasgow, UK, 24-28 June 2007; pp. 1435-1442.
• Qu, X.; Yang, L.; Guo, K.; Ma, L.; Sun, M.; Ke, M.; Li, M. A Survey on the Development of Self-Organizing Maps for Unsupervised Intrusion Detection. Mob. Netw. Appl. 2019.
• IBM Security Report. Available online: https://www.ibm.com/security/data-breach (accessed on 20 October 2019).
• Tsai, C.F.; Hsu, Y.F.; Lin, C.Y.; Lin, W.Y. Intrusion detection by machine learning: A review. Expert Syst. Appl. 2009, 36, 11994-12000.

タイトルに関連する用語 (4件)： 機械学習 ,  サイバーセキュリティ ,  侵入 ,  モデル