Graynetにおける異常マルチメディアトラヒックを同定するためのマルチパーティプライバシー学習のためのMeta一般化【JST・京大機械翻訳】

Nato Satoshi; Sheng Yiqiang

プレプリント

J-GLOBAL ID：202202219924387854 整理番号：22P0025264

Graynetにおける異常マルチメディアトラヒックを同定するためのマルチパーティプライバシー学習のためのMeta一般化【JST・京大機械翻訳】

Meta-Generalization for Multiparty Privacy Learning to Identify Anomaly Multimedia Traffic in Graynet

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 (2件)： ,
資料名：
発行年： 2022年01月09日プレプリントサーバーでの情報更新日： 2022年12月13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)

サイバースペースにおける異常マルチメディアトラフィックの同定は,分散サービスシステム,複数世代ネットワーク,および将来のインターネットにおける大きな課題である。本レターは,異常マルチメディアトラフィック同定の性能を改良するために,グレーネットにおける多者プライバシー学習モデルのためのメタ一般化を調査した。グレーネットにおけるマルチパーティプライバシー学習モデルは,プライベートデータを保存することによってマルチパーティパラメータ更新を交換することによって分割,分散,訓練されたグローバルに共有されたモデルである。メタ一般化は,その一般化誤差を減らすために学習モデルの固有の属性の発見に言及する。実験では,3つのメタ一般化原理を次のように試験した。グレーネットにおけるマルチパーティプライバシー学習モデルの一般化誤差は,バイトレベル埋込みの次元を変えることによって減少した。その後,パケットレベル特徴を抽出するための深さを適応することにより,誤差を低減した。最後に,前処理トラフィックレベルデータのためのサポート集合のサイズを調整することによって,誤差を低減した。実験結果は,提案が異常マルチメディアトラフィックを同定するための最先端の学習モデルより優れていることを証明した。【JST・京大機械翻訳】

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

計算機網 , データ保護

, , , ,

前のページに戻る