文献

J-GLOBAL ID：202202212753931369   整理番号：22A0945047

パケットペイロードにおける深い異常検出【JST・京大機械翻訳】

Deep anomaly detection in packet payload

著者 (9件)： Liu Jiaxin (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Song Xucheng (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China) ,  Zhou Yingjie (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Peng Xi (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Zhang Yanru (College of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China) ,  Liu Pei (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Liu Pei (Department of Electrical and Computer Engineering, University of Florida, Gainesville, FL 32611, USA) ,  Wu Dapeng (Department of Electrical and Computer Engineering, University of Florida, Gainesville, FL 32611, USA) ,  Zhu Ce (School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 485  ページ： 205-218  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  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： エッジデバイスの広い展開により,ネットワークのエッジで様々な新しい応用が展開されている。エッジアプリケーションの安全で効率的な操作,特に広範なWebアプリケーションを保証するために,パケットペイロード異常の検出は重要であり,攻撃を引き起こす可能性のある多数の特定のストリングとして表現できる。いくつかのアプローチが顕著な進歩を達成したが,それらは,これらのアプローチが,応用レベルで異常または通信プロトコルを記述する署名のような,詳細なエキスパート知識に依存するので,限られた応用がある。さらに,それらは,ネットワークのエッジで長期依存性関係を持つかもしれないペイロード異常を検出することができなかった。これらの限界を克服し,パケットペイロードからの異常を適応的に検出するために,筆者らは,いかなる詳細なエキスパート知識にも依存しない深い学習ベースフレームワークを提案し,長期依存性関係を持つ異常を検出することができる。提案したフレームワークは2つの部分から成る。最初に,ペイロードの有効な表現を得るために,新しいブロックシーケンス構築法を提案した。ブロックシーケンスは,異常検出を容易にする高次元情報と根底にある逐次情報の両方をカプセル化することができた。第2に,著者らは,ブロックシーケンスの中で2つの異なる依存性関係性を学ぶための検出モデルを設計して,それはLong Short-Term記憶(LSTM),畳込みニューラルネットワーク(CNN)およびマルチヘッド自己注意機構に基づいた。さらに,分類問題として異常検出をキャストし,情報を統合し,異常を検出するために注意機構を持つ分類器を採用した。3つの公開データセットに関する広範な実験結果は,著者らのモデルが,2つの伝統的機械学習方式と3つの最先端の方法と比較して,より低い偽陽性率を保ちながら,より高い検出率を達成できることを示した。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： 学習 ,  スペシャリスト ,  ネットワーク ,  ニューラルネットワーク ,  *ペイロード ,  応用プログラム ,  高次元 ,  注意 ,  *パケット ,  機械学習
準シソーラス用語： 通信プロトコル ,  Webアプリケーション ,  検出率 ,  偽陽性率 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： パケットペイロード ,  異常検出 ,  ブロックシーケンス ,  深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： パケット ,  ペイロード ,  異常検出