文献

J-GLOBAL ID：202202224294780273   整理番号：22A1154609

NAD:ネットワークトラフィックにおける未知攻撃検出のための機械学習ベースコンポーネント【JST・京大機械翻訳】

NAD: Machine Learning Based Component for Unknown Attack Detection in Network Traffic

著者 (3件)： Krzyszton Mateusz (Research and Academic Computer Network (NASK), Warszawa, Poland) ,  Lew Marcin (Research and Academic Computer Network (NASK), Warszawa, Poland) ,  Marks Michal (Research and Academic Computer Network (NASK), Warszawa, Poland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13300  ページ： 83-102  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 未知攻撃の検出は,模範的攻撃ベクトルの欠如のために挑戦的である。しかし,以前に未知の攻撃は,特に高速進化モノのインターネット(IoT)技術において,システムに対するツールの欠如により,システムにとって重大な危険である。モニタリングシステムの悪意挙動のための最も広く使われているアプローチは異常を検出する。悪臭行動は,攻撃(既知および未知)または偶発的破壊から生じる可能性がある。ネットワークトラフィックにおける異常を検出するために,1クラス分類マシン学習技法を用いるNet Anomaly Detector(NAD)システムを提案した。高度にモジュール化されたアーキテクチャは,様々なタイプのネットワークに対するアダプタで拡張できる。既知の攻撃エミュレーション,網羅的特徴抽出,ハイパーパラメータチューニング,検出閾値適応およびアンサンブルモデル戦略により,未知ネットワークにおける検出品質を増加させ,部品配置を縮小するための多重アプローチを提案し,議論した。さらに,集中型および分散型展開方式の両方を提示し,CIC-IDS2017データセット上で行ったTCP/IPネットワークトラフィックに対する実験の予備的結果を示した。Copyright The Author(s) 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  *学習 ,  *ネットワーク ,  特徴抽出 ,  同調 ,  エミュレーション ,  監視装置 ,  多重化 ,  計算機アーキテクチャ ,  TCP/IP ,  *機械学習 ,  *サイバー攻撃
準シソーラス用語： *ネットワークトラフィック ,  モジュール化 ,  モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： 異常検出 ,  機械学習 ,  1クラス分類 ,  IoTネットワーク ,  LoRaWANセキュリティ

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： NAD ,  ネットワークトラフィック ,  攻撃 ,  機械学習 ,  コンポーネント