抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
動的グラフからグラフエッジのストリームを与えられた場合,一定時間とメモリを用いて,異常挙動を検出する目的で,オンライン方法でエッジに異常スコアを割当てることができる。既存の手法は,個々に驚くべきエッジを検出することを目的とする。本研究では,ネットワークトラヒックデータにおけるサービス攻撃のデニールを含むロックステップ挙動のような,マイクロクラスタ異常の検出,あるいは,疑わしい類似エッジの突然到着グループに焦点を当てたMIDASを提案した。さらに,MIDAS-Fを提案し,異常がアルゴリズムの内部状態に組み込まれる問題を解決し,非検出を通して将来の異常を滑りさせることができる「po効果を生成する。MIDAS-Fは2つの修正を導入する。1)異常スコアリング関数を修正し,新たに到着するエッジの「po効果を低減する。2)条件付き併合ステップを導入し,各タイムマダニ後のアルゴリズムデータ構造を更新するが,異常スコアが閾値以下の場合のみ,「po効果を低減する。実験は,MIDAS-FがMIDASよりも有意に高い精度を有することを示した。MIDASには以下の特性がある:(a)マイクロクラスタ異常を検出し,一方,その偽陽性確率に関する理論的保証を提供する。(b)それはオンラインで,このように,一定の時間と一定のメモリで各エッジを処理する,そしてまた,最先端の手法より速くデータ次数を速く処理する。(c)それは最先端のアプローチよりも62%高いROC-AUCを提供する。【JST・京大機械翻訳】