文献

J-GLOBAL ID：202102290643971684   整理番号：21A3309313

IoTネットワークのための軽量教師つき侵入検出機構【JST・京大機械翻訳】

A lightweight supervised intrusion detection mechanism for IoT networks

著者 (4件)： Roy Souradip (Department of Computer Science, North Dakota State University, United States of America) ,  Li Juan (Department of Computer Science, North Dakota State University, United States of America) ,  Choi Bong-Jin (Department of Statistics, North Dakota State University, United States of America) ,  Bai Yan (School Engineering and Technology, University of Washington Tacoma, United States of America)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 127  ページ： 276-285  発行年： 2022年 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モノのインターネット(IoT)はますますポピュラーになっているので,脆弱なIoTデバイスの接続に関連するセキュリティブリーチを経験した。したがって,IoTセキュリティ脆弱性を利用する攻撃を緩和するために,侵入検出技術を採用することが重要である。しかし,IoTデバイスの限られた能力と用いた特定のプロトコルのために,従来の侵入検出機構はIoT環境に対してうまく機能しない。本論文では,リソース制約IoTネットワークにおけるサイバー攻撃と異常を効果的に検出するために機械学習を用いる新しい侵入検出モデルを提案した。マルチ共線性,サンプリングおよび次元縮小の除去を含む最適化のセットを通して,著者らのモデルは,はるかに少ない訓練データおよびより少ない訓練時間を用いて,侵入を検出する最も重要な特徴を同定することができた。CICIDS2017とNSL-KDDデータセットについて,それぞれ,提案した方法を評価するために,広範な実験を行った。2つの一般的なデータセットに関する実験結果は,著者らのモデルが高い検出率と低い誤警報率を有することを示した。それは,多重性能計量において既存のモデルより優れていて,それぞれ,主要なサイバー攻撃の分類において一貫性がある。最も重要なことに,従来の資源集約型侵入検知システムとは異なり,提案モデルは軽量であり,限られた電力と記憶能力でIoTノードに展開できる。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  電力 ,  *ネットワーク ,  漂白 ,  検出法 ,  次元縮小 ,  セキュリティ ,  機械学習 ,  サイバー攻撃
準シソーラス用語： 訓練データ ,  脆弱性 ,  検出率 ,  侵入検知システム ,  誤警報率 ,  *モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (4件)： 侵入検出 ,  IoTネットワーク ,  機械学習 ,  セキュリティ

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

タイトルに関連する用語 (4件)： IoT ,  軽量 ,  教師 ,  侵入