ネットワーク変圧器を用いた自己管理および解釈可能な異常検出【JST・京大機械翻訳】

Marino Daniel L.; Wickramasinghe Chathurika S.; Rieger Craig; Manic Milos

プレプリント

J-GLOBAL ID：202202208179758886 整理番号：22P0295609

ネットワーク変圧器を用いた自己管理および解釈可能な異常検出【JST・京大機械翻訳】

Self-Supervised and Interpretable Anomaly Detection using Network Transformers

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 (4件)： , , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年02月25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)

コンピュータネットワークにおける交通監視は,サイバー攻撃に対して重要なインフラストラクチャを防御するためのコアアプローチの1つである。機械学習(ML)と深層ニューラルネットワーク(DNN)は,コンピュータネットワークにおける異常を同定するためのツールとして過去に提案されている。これらの異常を検出することは,攻撃の表示を提供するが,異常を検出するのは,異常を理解するためのユーザにとって十分な情報ではない。オフ-シェルMLモデルのブラックボックス特性は,故障/攻撃の源を分離し,補正対策を取るための基本である重要な情報を抽出することを妨げる。本論文では,解釈可能性を改善するために通信ネットワークのグラフ構造を組み込んだ異常検出のためのDNNモデルであるネットワーク変換器(NeT)を導入した。提示したアプローチは以下の利点を持つ。1)コンピュータネットワークのグラフ構造を組み込むことによる解釈可能性の向上;2)異なるレベルの粒度で解析を可能にする特徴の階層的集合を提供する。3)ラベル付きデータを必要としない自己監督訓練。工業制御システム(ICS)における異常の検出の成功を評価することによって,提示したアプローチを試験した。提案手法は,異常,影響を受けるデバイス,および異常を引き起こす特定の接続を成功裏に同定して,サイバーネットワークの挙動を解析するためのデータ駆動階層的アプローチを提供した。【JST・京大機械翻訳】

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

計算機網

, ,

前のページに戻る