文献

J-GLOBAL ID：202202231746220567   整理番号：22A0780291

IoTシナリオにおけるBotnetサイバー攻撃を効果的に検出するための動的残差射影による概念ドリフト解析【JST・京大機械翻訳】

Concept Drift Analysis by Dynamic Residual Projection for Effectively Detecting Botnet Cyber-Attacks in IoT Scenarios

著者 (3件)： Qiao Hanli (College of Science, Guilin University of Technology, Center for Data Analysis and Algorithm Technology, Guilin, China) ,  Novikov Boris (National Research University Higher School of Economics (HSE University), St. Petersburg, Russia) ,  Blech Jan Olaf (School of Electrical Engineering, Aalto University, Espoo, Finland)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 18  号： 6  ページ： 3692-3701  発行年： 2022年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  資料種別： 逐次刊行物 (A)
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： IoTデバイスは,クラウドベースサービスを含む他のデバイスに対するセンサ値のような典型的なストリームデータである。サイバー攻撃のためのこれらのストリームの分析は,挑戦的なタスクである。これは,ストリームベースのデータタイプの無限の性質による。解析ストリームは,追加の実時間処理と計算性能能力を必要とする。本論文では,概念ドリフトがIoTシナリオにおけるBotnetサイバー攻撃検出にどのように影響するかに焦点を当てた。結果を明らかにするために,著者らは,様々なタイプの攻撃とともに,正当なIoTネットワークトラフィックから成るBot-IoTデータセット上のサイバー攻撃を検出するために,概念ドリフト解析を組み込んだ。著者らは,実験を完全に完了する概念ドリフトを確実とするために,Bot-IoTのサブデータセットを設計した。検出精度は,概念ドリフト解析のない分類モデルと比較して,15%のΔΨ26%を改善した。また,概念ドリフト解析が進行しているとき,混乱行列を比較することによって優れた性能結果を得る。概念ドリフト解析を行うために,残差投影に基づく動的スライディングウィンドウを特徴とする手法を提案した。データストリームにおける概念を見つけるプロセスの間,サンプル数は,現在のウィンドウにおける残差投影法によって得た異常量を以前のものに比較することによって,動的に更新される。Bot-IoTデータセットに加えて,この方法を2つの一般的な合成データセットSEA概念とUG-2C-5Dに適用した。結果は,誤警報率,ミス,および平均遅延に関して著者らの方法の有効性を実証した。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： サービス ,  データ ,  *残差 ,  *ドリフト ,  実時間処理 ,  センサ ,  *射影 ,  有効性 ,  カオス ,  データ型 ,  *サイバー攻撃
準シソーラス用語： データストリーム ,  スライディングウィンドウ ,  ネットワークトラフィック ,  検出精度 ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (8件)： IoT ,  シナリオ ,  サイバー攻撃 ,  残差 ,  射影 ,  概念 ,  ドリフト ,  解析