文献

J-GLOBAL ID：202202231207367401   整理番号：22A0636662

HMMアンサンブルを用いたネットワーク脅威イベントの予測【JST・京大機械翻訳】

Predicting Network Threat Events Using HMM Ensembles

著者 (3件)： Peshave Akshay (University of Maryland, Baltimore, MD, USA) ,  Ganesan Ashwinkumar (University of Maryland, Baltimore, MD, USA) ,  Oates Tim (University of Maryland, Baltimore, MD, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13087  ページ： 229-240  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： ネットワークトラフィック解析は,悪意のあるキャンペーンを特定して,先制する目的を持って,研究の活発な区域であった。観察された悪意のあるイベントシーケンスに基づく将来の悪意のあるネットワークイベントを予測する効果的なモデルは,セキュリティ分析者による介入を含む先制行動を支援できる。長時間の時間にわたるサイバーセキュリティ脅威キャンペーンの一部である脅威事象の予測は,キャンペーンにおける様々なステップ間の時間遅れが非有界であるので,課題として残っている。本論文では,悪意のあるネットワークイベントのシーケンス上で訓練された隠れMarkovモデルのアンサンブルを生成するアプローチについて述べた。アンサンブルを用いて,任意のネットワークホストで既に観測された悪意のあるトラヒックシーケンスを与える次の予想悪意事象を予測した。2つの予測戦略と組み合わせた異なるサイズのアンサンブルを,2つのベースライン予測子に対して予測精度を用いて評価する。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  モデル ,  基準線 ,  コンピュータセキュリティ ,  セキュリティ ,  隠れMarkovモデル
準シソーラス用語： 配列解析 ,  予測子 ,  予測精度 ,  時間遅れ ,  有界 ,  サイバーセキュリティ ,  ネットワークトラヒック解析 , 【Automatic Indexing@JST】

著者キーワード (3件)： ネットワーク脅威予測 ,  悪性交通シーケンス解析 ,  隠れMarkovモデルアンサンブル

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： HMM ,  アンサンブル ,  脅威 ,  イベント ,  予測