ネットワーク侵入検出のためのデータセット特性に同調したアンサンブル分類器設計【JST・京大機械翻訳】

Zoghi Zeinab; Serpen Gursel

プレプリント

J-GLOBAL ID：202202205659598405 整理番号：22P0349264

ネットワーク侵入検出のためのデータセット特性に同調したアンサンブル分類器設計【JST・京大機械翻訳】

Ensemble Classifier Design Tuned to Dataset Characteristics for Network Intrusion Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年05月08日プレプリントサーバーでの情報更新日： 2022年05月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習ベース教師つき手法は,優れた性能を配送するために,高度にカスタマイズされ微調整された方法論を必要とする。本論文は,ネットワーク侵入データセットUNSW-NB15のための機械学習分類器のデータセット駆動設計と性能評価を提示した。データセットの解析は,それが特徴空間においてクラス表現不均衡とクラスオーバラップを被ることを示唆した。著者らは,Balanced Bagging(BB),eXtreme勾配ブースティング(XGBoost),およびHellinger距離決定木(RF-HDDT)によるランダムフォレストを用いたアンサンブル法を採用した。BBとXGBoostを不均衡データを処理するために調整し,ランダムフォレスト(RF)分類器をHellinger計量によって補足して不均衡問題に対処した。2つの新しいアルゴリズムを提案し,データセットにおけるクラスオーバラップ問題に対処した。これらの2つのアルゴリズムを利用して,大多数投票結合器を採用したアンサンブル分類器の一部として,3つのベース分類器によって作られた最終分類決定を修正することによって,試験データセットの性能を改善した。提案した設計を,バイナリとマルチカテゴリ分類の両方に対して評価した。提案モデルを文献の同じデータセットで報告したモデルと比較して,提案モデルは,二値および多重カテゴリ分類事例の両方に対して,他のものを他のものに凌駕することを実証した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る