文献

J-GLOBAL ID：202102278349328156   整理番号：21A0005444

可変長系列に基づくMasquerade攻撃検出のためのモデル【JST・京大機械翻訳】

Model for Detection of Masquerade Attacks Based on Variable-Length Sequences

著者 (3件)： Barseghyan Ghazaros (School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing, China) ,  Yuan Yuyu (School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing, China) ,  Anakpa Manawa (School of Computer Science (National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 210140-210157  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： マスクレーダーは,利用者の会計への不正なアクセスを得る攻撃者である。Masquerade検出は侵入検知システムの重要問題の1つである。データサンプルが限られた情報を含むとき,マスクラウド検出における最新の結果を得る深い学習モデルは,非常に高い検出性能を示さなかった。代わりに,計算的に安く,記憶効率の高い従来の機械学習モデルは,低ロバスト特徴に悩まされ,高い検出性能を達成するのを妨げている。本論文の貢献は以下の通りである。可変長UNIXコマンドシーケンス(即ち,異なる次数の重み付き発生頻度)の新しい特徴を導入し,これらの特徴を拡張Markov連鎖ベース可変長モデルに統合した。著者らのモデルの検出性能を,3つの公的に利用可能でフリーなデータセット:Schonlau(SEA),Purdue(PU),およびGreenbergで評価した。結果は,著者らのモデルが,ベースライン(他のMarkov連鎖ベースの可変長モデル)と比較して,真の陽性率(TPR),偽陽性率,受信機オペレータ特性,および閾値分散を著しく改善することを証明した。さらに,TPRに関して,提案方法は,PUとGreenbergデータセット上で畳み込みニューラルネットワークを使用する最先端の深層学習モデル,およびSEAデータセットに関する最先端の配列アラインメント隠れMarkovモデルより優れている。さらに,提案方法は,計算およびメモリ複雑性に関して最先端のモデルより非常に軽量であり,従って,リアルタイムのマスケラデ検出に対して,より好適であった。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： 記憶装置 ,  レーダ ,  学習モデル ,  オペレータ ,  受信機 ,  *Markov連鎖 ,  基準線 ,  ロバスト性 ,  機械学習 ,  隠れMarkovモデル
準シソーラス用語： 複雑性 ,  実時間 ,  侵入検知システム ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 可変長 ,  系列 ,  攻撃 ,  モデル