文献

J-GLOBAL ID：202202228140822479   整理番号：22A0862984

ネットワーク攻撃検出におけるマルチクラス不均衡分類問題【JST・京大機械翻訳】

Multi-class Imbalanced Classification Problems in Network Attack Detections

著者 (5件)： Fern Soon Hui (Faculty of Electronic Engineering Technology, Universiti Malaysia Perlis, Perlis, Malaysia) ,  Amir Amiza (Faculty of Electronic Engineering Technology, Universiti Malaysia Perlis, Perlis, Malaysia) ,  Amir Amiza (Advanced Computing Center of Excellence, Universiti Malaysia Perlis, Perlis, Malaysia) ,  Azemi Saidatul Norlyana (Faculty of Electronic Engineering Technology, Universiti Malaysia Perlis, Perlis, Malaysia) ,  Azemi Saidatul Norlyana (Advanced Communication Engineering Center of Excellence, Universiti Malaysia Perlis, Perlis, Malaysia)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 842  ページ： 1057-1069  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  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： 今日,ネットワーク異常活動は機械学習を用いて検出できる。機械学習アルゴリズムの性能はデータセットの分布に依存する。ネットワーク異常検出は,膨大な数のデータと直面する不均衡なマルチクラス分類分布を含む一般的な話題の1つである。しかし,ほとんどの研究者は,ネットワーク異常検出に関する研究を行うとき,マルチクラス不均衡分類の問題を無視した。いくつかの研究者が,この問題を解決するためのいくつかの方法を提案することを否定できない。それにもかかわらず,提案された方法は,まだいくつかの欠点を含んでいる。したがって,本研究では,マルチクラス不均衡データセットの影響による機械学習の性能を研究した。異なる家族からの7つの機械学習アルゴリズムを本研究で用いて,大多数と少数クラスインスタンスを分類して,高い分類精度を達成するそれらの能力を同定した。また,7つの異なる性能計量を用いて,本研究で使用した分類器の性能を評価した。その結果,Bayes機械学習アルゴリズムの分類精度は,本研究で用いた他の分類器よりも低いが,少数クラスインスタンスの検出において,それらは良好に機能することを示した。さらに,J48は,この研究のあらゆる側面でよく機能できる分類器として知られている。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ ,  *ネットワーク ,  分類 ,  精度 ,  集合 ,  *不安定性 ,  機械学習 ,  学習アルゴリズム ,  *サイバー攻撃
準シソーラス用語： 不均衡 ,  分類精度 ,  異常検出 ,  不均衡データセット ,  *クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (3件)： ネットワーク異常検出 ,  マルチクラス不均衡分類 ,  機械学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ネットワーク攻撃 ,  マルチ ,  クラス不均衡 ,  分類