文献

J-GLOBAL ID：202102237379294715   整理番号：21A0313002

小サンプルデータ生成とその異常検出への応用【JST・京大機械翻訳】

The Generation of Minority Sample Data and Its Application in Abnormal Detection

著者 (2件)： Lu Yijun (广東工業大学計算机学院,广東广州510006;广東省信息安全測評中心,广東广州510095) ,  Teng Shaohua (广東工業大学計算机学院,广東广州510006)
資料名： Jiangxi Shifan Daxue Xuebao (Ziran Kexue Ban)  (Jiangxi Shifan Daxue Xuebao (Ziran Kexue Ban))
巻： 44  号： 4  ページ： 385-393  発行年： 2020年 
JST資料番号： C3228A  ISSN： 1000-5862  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 不均衡データの応用において、少量の負サンプル(異常データ)は、常に検出精度が低い重要な原因であり、例えば、ホスト異常検出領域において、異常サンプルが少なすぎると、検出効果はよくない。この問題を解決するために,本論文は,深さコンボリューション生成対抗ネットワークを改良し,それにより,より容易に収束し,そして,サンプルを生成した。次に,改良深さコンボリューション生成対抗ネットワークを侵入検知評価データセットADFALD異常サンプルの訓練に用い,より多くの異常サンプルを構築した。最後に、生成サンプルの効果を検証するため、多種の異常検出方法による上述のサンプル後の平衡データに対する実験を行い、実験結果により、新たに増加した異常サンプルがすべて検出でき、しかもすでに測定した異常サンプルが見落としなく、高い検出率と低い誤警報率を実現した。比較実験は,提案した小サンプルデータ生成法が,いくつかのデータ不均衡応用問題を効果的に解決できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ネットワーク ,  比較試験
準シソーラス用語： 不均衡 ,  異常検出 ,  検出率 ,  侵入検知システム ,  検出精度 ,  誤警報率 ,  データ生成 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： サンプル ,  データ生成 ,  異常検出 ,  応用