文献

J-GLOBAL ID：202102218629212073   整理番号：21A2568536

産業用制御ネットワークのための深層学習ベース侵入検知システムの属性の説明【JST・京大機械翻訳】

Explaining the Attributes of a Deep Learning Based Intrusion Detection System for Industrial Control Networks

著者 (4件)： Wang Zhidong (College of Computer Science, Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China) ,  Lai Yingxu (College of Computer Science, Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China) ,  Liu Zenghui (Automation Engineering Institute, Beijing Polytechnic, Beijing 100176, China) ,  Liu Jing (College of Computer Science, Faculty of Information Technology, Beijing University of Technology, Beijing 100124, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 14  ページ： 3817  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  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： 侵入検出は,産業制御システムのためのセキュリティシステムの最初の部分である。産業制御システムの重大性のため,専門家は依然として最も重要なセキュリティ決定をしている。したがって,簡単な侵入警報はセキュリティシステムにおいて非常に限られた役割を持ち,深い学習に基づく侵入検出モデルは説明の欠如のためより多くの情報を提供する。これは,産業制御ネットワーク侵入検出への深層学習法の適用を制限する。情報の観点から深層ニューラルネットワーク(DNN)モデルと解釈可能な分類モデルを分析し,DNNモデルと分類プロセスの計算過程間の相関を明らかにした。正常サンプルと異常試料を比較することによって,標準試料と比較してDNNモデルの計算の間に起こる異常を見つけることができた。これに基づいて,層ごとの関連性伝播法を設計して,属性の異常に対する計算プロセスにおける異常を写像した。同時に,データセットが既にいくつかの有用な情報を含むことを考慮して,著者らは,低いコストで得ることができる一種のデータセットのためにフィルタリング規則を設計し,その結果,計算結果をより正確な方法で提示して,それは,専門家のロックと侵入脅威をより迅速に処理するのを助けるべきである。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： 警報 ,  *ネットワーク ,  フィルタリング ,  標準片 ,  層別 ,  セキュリティシステム ,  セキュリティ
準シソーラス用語： *侵入検知システム ,  産業制御 ,  分類モデル ,  *深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  産業用制御ネットワーク ,  侵入検知システム ,  層別関連性伝搬

分類 (1件)： 計測機器一般  (AD02000X)

引用文献 (38件)：

• Lai, Y.-X.; Liu, Z.-H.; Cai, X.-T.; Yang, K.-X. Research on intrusion detection of industrial control system. Tongxin Xuebao J. Commun. 2017, 38, 143-156.
• Bernieri, G.; Damiani, S.; del Moro, F.; Faramondi, L.; Pascucci, F.; Tambone, F. A multiple-criteria decision making method as support for critical infrastructure protection and intrusion detection system. In Proceedings of the IECON 2016, Florence, Italy, 24-27 October 2016; pp. 4871-4876.
• Vinayakumar, R.; Alazab, M.; Soman, K.P.; Poornachandran, P.; Al-Nemrat, A.; Venkatraman, S. Deep learning approach for intelligent intrusion detection system. IEEE Access 2019, 7, 41525-41550.
• Alrawashdeh, K.; Purdy, C. Toward an online anomaly intrusion detection system based on deep learning. In Proceedings of the ICMLA 2016, Anaheim, CA, USA, 18-20 December 2016; pp. 195-200.
• Faker, O.; Dogdu, E. Intrusion detection using big data and deep learning techniques. In Proceedings of the ACMSE 2019, Kennesaw, GA, USA, 18-20 April 2019; pp. 86-93.

タイトルに関連する用語 (5件)： 産業用制御 ,  深層学習 ,  侵入検知システム ,  属性 ,  説明