文献

J-GLOBAL ID：202202211082060189   整理番号：22A0577676

ビッグデータプラットフォームにおけるアンサンブルサポートベクトルマシンベースChaosゲーム最適化アルゴリズムを用いた侵入検出法【JST・京大機械翻訳】

An intrusion detection approach using ensemble Support Vector Machine based Chaos Game Optimization algorithm in big data platform

著者 (2件)： Ponmalar A. (Department of Information Technology, Anna University, India) ,  Dhanakoti V. (Department of Computer Science And Engineering, Anna University, Chennai, India)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 116  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 主流コンピューティング技術は,大量のデータを管理して,ネットワークトラフィック侵入を検出するのに効率的でなく,しばしば大きいデータを含んでいる。持続的ネットワークトラフィックと大量のホストログイベントデータに存在する侵入は,従来の分析ツールによって効果的に管理できず,膨大な数の偽陽性と長い訓練時間をもたらす。本論文は,異種のセキュリティデータの異なる形態に関連した基本的な大きいデータ複雑性を扱うことによって,侵入検出プロセスを強化するための新規な技術を提示する。以前の目的を達成するために,アンサンブルサポートベクトルマシン(SVM)をChaosゲーム最適化(CGO)アルゴリズムに統合した。提案した方法論は,侵入分類精度を改善し,またUNSW-NB15データセットに存在する9種類の攻撃を同定した。提案した方法論の効率を,統計的分析と精度,再現,F1スコア,精度,ROC曲線,および混乱マトリックスのような異なる性能計量を用いて,異なるベースラインモデルと比較することにより評価した。提案手法では,chi-SVM(89.12%)と比較して96.29%の精度が得られ,Chi-SVMと比較したとき,精度に関して提案した方法論で6.47%の改善が認められた。高い分類精度は,大きなデータプラットフォームにおけるセキュリティ事象を扱うとき,提案した方法論がより少ない数の偽陽性を示すことを示した。Copyright 2022 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： *アルゴリズム ,  検出 ,  *最適化 ,  *ゲーム ,  *最適化手法 ,  通信路容量 ,  精度 ,  *検出法 ,  カオス ,  セキュリティ ,  *サポートベクトルマシン
準シソーラス用語： ROC曲線 ,  誤検出 ,  分類精度 ,  ネットワークトラフィック ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： ビッグデータ ,  Chaosゲームの最適化 ,  サポートベクトルマシン ,  分類 ,  侵入

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ゲーム ,  最適化アルゴリズム ,  侵入 ,  検出法