文献

J-GLOBAL ID：202102289954135564   整理番号：21A0992877

暗号化ネットワークフローの細粒分類のための改良型KNNアルゴリズム【JST・京大機械翻訳】

Improved KNN Algorithm for Fine-Grained Classification of Encrypted Network Flow

著者 (6件)： Ma Chencheng (National Digital Switching System Engineering and Technological Research Center, Zhengzhou 450000, China) ,  Ma Chencheng (Zhengzhou Science and Technology Institute, Zhengzhou 450000, China) ,  Du Xuehui (National Digital Switching System Engineering and Technological Research Center, Zhengzhou 450000, China) ,  Du Xuehui (Zhengzhou Science and Technology Institute, Zhengzhou 450000, China) ,  Cao Lifeng (National Digital Switching System Engineering and Technological Research Center, Zhengzhou 450000, China) ,  Cao Lifeng (Zhengzhou Science and Technology Institute, Zhengzhou 450000, China)
資料名： Electronics (Web)  (Electronics (Web))
巻： 9  号： 2  ページ： 324  発行年： 2020年 
JST資料番号： U7178A  ISSN： 2079-9292  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： 暗号化トラフィックの細粒分類はネットワークセキュリティ解析にとって重要である。通常アプリケーションまたはコンテンツトラフィックとして,不正攻撃は暗号化され,シミュレートされる。教師つき機械学習法は,トラフィック分類のために広く使用され,良好な性能を示す。しかし,それらはモデルを訓練するために大量のラベル付きデータを必要とし,一方,ラベル付けされたデータは入手が困難である。この問題を解決するため,本論文は,K最近傍(KNN)アルゴリズムに基づくモデルを訓練する方法を提案し,それは,わずかなデータを必要とするだけであった。異なるトラフィック特徴の重要性が変化し,従来のKNNは,異なる特徴の重要性を強調しないので,本研究は,特徴重みの概念を導入し,重み付け特徴KNN(WKNN)アルゴリズムを提案した。さらに,最適特徴集合と対応する特徴重み集合を得るために,WKNNのための特徴選択と特徴重み自己適応アルゴリズムを提案した。さらに,暗号化ネットワークフローのための3層分類フレームワークを確立した。改良したKNNとフレームワークに基づいて,本研究は,暗号化ネットワークフローの微細粒分類のための方法を提示して,それは暗号化状態,応用タイプと暗号化ネットワークフローの内容タイプを,それぞれ99.3%,92.4%と97.0%の高精度で同定することができた。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： *アルゴリズム ,  *ネットワーク ,  特徴選択 ,  応用プログラム ,  重みづけ ,  暗号 ,  安全解析 ,  コンテンツ
準シソーラス用語： 適応アルゴリズム ,  高精度 ,  *ネットワークフロー ,  教師付き機械学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 暗号化ネットワークフロー分類 ,  K最近傍アルゴリズム ,  特徴選択と重みづけ ,  細粒度解析 ,  小型トレーニングセット

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

引用文献 (66件)：

• Dhote, Y.; Agrawal, S.; Deen, A.J. A Survey on Feature Selection Techniques for Internet Traffic Classification. In Proceedings of the International Conference on Computational Intelligence & Communication Networks (CICN), Madhya Pradesh, India, 12-14 December 2015; IEEE: Piscataway, NJ, USA, 2015; pp. 1375-1380.
• Rathore, M.M.; Ahmad, A.; Paul, A.; Rho, S. Exploiting encrypted and tunneled multimedia calls in high-speed big data environment. Multimed. Tools Appl. 2018, 77, 4959-4984.
• Velan, P.; Čermák, M.; Čeleda, P.; Drašar, M. A survey of methods for encrypted traffic classification and analysis. Int. J. Netw. Manag. 2015, 25, 355-374.
• Hirvonen, M.; Sailio, M. Two-Phased Method for Identifying SSH Encrypted Application Flows. In Proceedings of the 7th International Wireless Communications and Mobile Computing Conference (IWCMC), Istanbul, Turkey, 4-8 July 2011; IEEE: Piscataway, NJ, USA, 2011; pp. 1033-1038.
• Wang, Z. The applications of deep learning on traffic identification. BlackHat 2015, 24, 1-10.

タイトルに関連する用語 (4件)： 暗号化 ,  ネットワークフロー ,  KNN ,  アルゴリズム