文献

J-GLOBAL ID：202202219258672053   整理番号：22A1088217

ハイブリッド深層学習を用いたロバストな適応侵入検知システム【JST・京大機械翻訳】

A Robust Adaptive Intrusion Detection System using Hybrid Deep Learning

著者 (2件)： Aravamudhan Parthiban (Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology,Electronics and Communication Engineering,Chennai,India) ,  Kanimozhi T. (Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology,Electronics and Communication Engineering,Chennai,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCCI  ページ： 1-6  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワーク攻撃は過去25年にわたって劇的に増加した。ネットワーク侵入は通信と技術パラダイムの上昇により大きく増加している。コンピュータネットワーク技術の分野の進歩によって,ネットワークにおける新しいセキュリティ問題は,それらを無視するためにますますより強靭化する日常のベースで現れる。攻撃者は,毎日,新しいタイプの攻撃を作り出す。これらのタイプの攻撃を検出するために,攻撃の同定はより重要である。従来のファイアウォールだけでは,現代の攻撃を検出するのに十分でない。本研究では,ネットワーク脅威と侵入を効率的かつ正確に検出できる深層学習を中心としたハイブリッド侵入認識システムについて述べた。この方法は,深いCNN(畳込みニューラルネットワーク),RCNN(Region Based Convolution Network)とGBR(Gradient Boost Regression)を結合することによって設計され,異なるネットワーク侵入を検出する能力を持っている。本研究で使用したデータセットは,KaggleウェブサイトからのNIDSデータセットV.102017から考察した。結果は,推奨アルゴリズムが以前の研究と比較して強化されることを示した。提案方法は,従来の研究と比較して,精度とより少ない時間消費を,増加した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  ネットワーク ,  計算機網 ,  *ロバスト性 ,  セキュリティ ,  ファイアウォール ,  サイバー攻撃
準シソーラス用語： *侵入検知システム ,  強靱化 ,  *深層学習 ,  攻撃者 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  ロバスト ,  適応 ,  侵入検知システム