文献

J-GLOBAL ID：202102216188360223   整理番号：21A0194536

異常検出のための適応LeNet-5モデル【JST・京大機械翻訳】

An adaptive LeNet-5 model for anomaly detection

著者 (5件)： Cui Wenchao (School of Control and Computer Engineering, North China Electric Power University, Beijing, China) ,  Lu Qiong (School of Control and Computer Engineering, North China Electric Power University, Beijing, China) ,  Qureshi Asif Moin (School of Control and Computer Engineering, North China Electric Power University, Beijing, China) ,  Li Wei (School of Control and Computer Engineering, North China Electric Power University, Beijing, China) ,  Wu Kehe (School of Control and Computer Engineering, North China Electric Power University, Beijing, China)
資料名： Information Security Journal: Global Perspective  (Information Security Journal: Global Perspective)
巻： 30  号： 1  ページ： 19-29  発行年： 2021年 
JST資料番号： W5877A  ISSN： 1939-3555  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ABSTRACT:本論文では,特徴選択アルゴリズムを導入し,再帰的特徴除去のためにランダムフォレスト分類器を使用し,特徴重要度ランキングの順序に従ってトップ49特徴を選択し,次にLeNet-5畳込みニューラルネットワークに基づく攻撃検出モデルを提案し,それをLeNet-4ネットワークモデルとして呼んだ。そのネットワーク構造において,元のLeNet-5ネットワークの最初のプール層と最後の完全接続層を除去して,それはモデルの計算負荷とネットワーク複雑性を減少して,ネットワーク自己学習能力を二重畳込み層と単一プール層の構造を通して強化した。本論文では,CICIDS2017データセットを用いて提案モデルを評価し,包括的検出のためのデータセットにおける全ての事例を用いた。実験結果は,LeNet-4ネットワークモデルに関して,再帰的特性除去アルゴリズムの導入は,時間コストを減少する間,攻撃検出の精度を改良したことを示した。マルチクラス攻撃分類は97.8%の精度率を達成して,バイナリ攻撃分類は98.5%の精度率を達成した。Please refer to the publisher for the copyright holders. 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 ,  畳込み ,  *ネットワーク ,  ネットワーク構造 ,  特徴選択 ,  等級づけ
準シソーラス用語： ネットワークモデル ,  学習能力 ,  計算負荷 ,  複雑性 ,  異常検出 ,  ランダムフォレスト ,  バイナリー ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  攻撃分類 ,  CICIDS2017データセット ,  畳込みニューラルネットワーク ,  LeNet-5ネットワーク

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 異常検出 ,  適応 ,  モデル