文献

J-GLOBAL ID：202102271853174329   整理番号：21A0088054

組合せ不均衡補正と特徴選択による異常ベース侵入検出の評価【JST・京大機械翻訳】

Evaluation of Anomaly-Based Intrusion Detection with Combined Imbalance Correction and Feature Selection

著者 (4件)： Engly Andreas Heidelbach (Department of Applied Mathematics and Computer Science, Technical University of Denmark, Kongens Lyngby, Denmark) ,  Larsen Anton Ruby (Department of Applied Mathematics and Computer Science, Technical University of Denmark, Kongens Lyngby, Denmark) ,  Meng Weizhi (Department of Applied Mathematics and Computer Science, Technical University of Denmark, Kongens Lyngby, Denmark) ,  Meng Weizhi (Institute of Artificial Intelligence and Blockchain, Guangzhou University, Guangzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12570  ページ： 277-291  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 侵入検知システム(IDS)は,様々な環境の下でコンピューティング資源を保護するための重要なセキュリティ機構である。悪意のある未知事象を検出するために,機械学習は,異常ベースの検出をサポートするためにしばしば用いられる。しかし,そのような種類の検出は,精度を確保するために高品質データを必要とすることが多いが,それは不均衡なデータや無効な特徴のようないくつかの問題に直面している。本研究では,不均衡補正と特徴選択の両方の組合せ手法を評価し,この問題を緩和できる方法を検討した。本研究では,NSL-KDDデータに基づくいくつかの特徴選択および不均衡補正データセットを生成し,ランダムフォレスト,ニューラルネットワークおよび勾配ブースティングマシンに関する実験を行った。結果は,組合せ手法が,元のデータで訓練されたものと比較して,精密化されたデータに関する検出性能を著しく改良し,全体の精度の10%と全体のF1スコアの24%であることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  *特徴選択 ,  精密化 ,  セキュリティ ,  機械学習
準シソーラス用語： 不均衡 ,  *侵入検知 ,  高品質 ,  ランダムフォレスト ,  侵入検知システム ,  不均衡データ , 【Automatic Indexing@JST】

著者キーワード (5件)： 侵入検出 ,  特徴選択 ,  不均衡データ ,  機械学習 ,  異常検出

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

タイトルに関連する用語 (3件)： 特徴選択 ,  侵入 ,  評価