機械学習に基づくネットワーク侵入検知システムの交差評価【JST・京大機械翻訳】

Apruzzese Giovanni; Pajola Luca; Conti Mauro

プレプリント

J-GLOBAL ID：202202209492913058 整理番号：22P0301336

機械学習に基づくネットワーク侵入検知システムの交差評価【JST・京大機械翻訳】

The Cross-evaluation of Machine Learning-based Network Intrusion Detection Systems

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 (3件)： , ,
資料名：
発行年： 2022年03月09日プレプリントサーバーでの情報更新日： 2022年03月09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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

教師つきマシン学習(ML)によるネットワーク侵入検知システム(NIDS)の強化は強靭である。ML-NIDSは訓練され,評価され,良性で悪意のあるサンプルが明確にラベル付けされるデータを必要とする。このようなラベルは,高価なエキスパート知識を必要とし,実際の展開の欠如,ならびに,同じアウトデータに常に頼る論文に結びついた。いくつかの努力がそれらのラベル付きデータセットを明らかにしたので,状況は最近改善された。しかし,ほとんどの過去の作業は,そのようなアベイラビリティによって提供される追加可能性を見落としている「他の」テストベッドとして,そのようなデータセットを使用した。対照的に,ML-NIDSを交差評価するために,そのような既存のラベル付きデータの使用を促進する。このようなアプローチは限られた注意しか受けず,その複雑さのため,専用の処理を必要とする。したがって,最初の交差評価モデルを提案した。著者らのモデルは,交差評価によって評価できる広範囲の現実的使用ケースを強調し,最先端のML-NIDSのまだ未知の品質の発見を可能にした。例えば,それらの検出表面は追加のラベリングコストなしで拡張できる。しかし,このような交差評価を行うことは挑戦的である。したがって,ネットワークフローに基づく信頼できる交差評価のための最初のフレームワーク,XeNIDSを提案する。6つのよく知られたデータセットにXeNIDSを用いることにより,ML-NIDSの交差評価の隠されたポテンシャル,しかしリスクも実証した。【JST・京大機械翻訳】

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

人工知能 , データ保護

, , ,

前のページに戻る