文献

J-GLOBAL ID：202102250731898934   整理番号：21A0540398

IoT環境におけるボットネット攻撃の検出:最適化機械学習アプローチ【JST・京大機械翻訳】

Detecting Botnet Attacks in IoT Environments: An Optimized Machine Learning Approach

著者 (3件)： Injadat MohammadNoor (Western University,Electrical and Computer Engineering Department,London,Ontario,Canada) ,  Moubayed Abdallah (Western University,Electrical and Computer Engineering Department,London,Ontario,Canada) ,  Shami Abdallah (Western University,Electrical and Computer Engineering Department,London,Ontario,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICM  ページ： 1-4  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： インターネットへの依存の増加および接続要求における対応するサージは,モノのインターネット(IoT)デバイスにおける著しい成長をもたらした。IoTデバイスの連続配置は,IoTマルウェア攻撃が2017年の10.3百万から2018年の32.7百万に215.7%増加するという最近の報告により示されるように,より大きな潜在的攻撃表面によりネットワーク攻撃の増加につながった。これはIoTデバイスとネットワークの脆弱性と感受性の増加を示す。したがって,そのような環境における適切な効果的かつ効率的な攻撃検出と軽減技術の必要性がある。機械学習(ML)は,IoTデバイスとネットワークのために生成され利用可能なデータ量のために,一つの潜在的解決策として浮上している。したがって,それらはIoT環境に対する侵入検出に採用される可能性がある。そのために,本論文では,Bayes最適化Gaussプロセス(BO-GP)アルゴリズムとディシジョンツリー(DT)分類モデルの組合せからなる最適化MLベースフレームワークを提案し,IoTデバイスの攻撃を有効かつ効率的に検出する。提案フレームワークの性能を,Bot-IoT-2018データセットを用いて評価した。実験結果は,提案した最適化フレームワークが高い検出精度,再現,およびFスコアを持ち,IoT環境におけるボットネット攻撃の検出に対するその有効性とロバスト性を強調することを示した。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 ,  *最適化 ,  ネットワーク ,  Gauss過程 ,  ディシジョンツリー ,  有効性 ,  ロバスト性 ,  インターネット ,  *機械学習 ,  マルウェア ,  サイバー攻撃
準シソーラス用語： 脆弱性 ,  *ボットネット ,  データ量 ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： IoT ,  環境 ,  ボットネット ,  攻撃 ,  最適化 ,  機械学習