アンサンブル学習に基づく暗号化悪意トラヒック検出【JST・京大機械翻訳】

Xiao Fengrui; Yang Feng; Yang Feng; Chen Shuangwu; Chen Shuangwu; Yang Jian; Yang Jian

文献

J-GLOBAL ID：202202244060441489 整理番号：22A0416378

アンサンブル学習に基づく暗号化悪意トラヒック検出【JST・京大機械翻訳】

Encrypted Malicious Traffic Detection Based on Ensemble Learning

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0416378&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0416378&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (7件)： , , , , , ,
資料名：
巻： 13172 ページ： 1-15 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)

今日,ネットワークトラフィック検出は,サイバースペースセキュリティを保護する際に非常に重要な役割を果たし,そして,ますます多くのアプリケーションは,暗号化技術を通してデータプライバシー保護を実現する。平文トラフィックに依存する深いパケット検査のような正規表現マッチングに基づく方法は,暗号化されたランダム通信コンテンツを検出するために適用できず,時系列特徴に基づく既存の検出方法は,しばしば暗号化プロトコル特徴を無視する。本研究では,暗号化された悪意のあるトラヒックを同定するために,スタックアルゴリズムに基づくアンサンブル学習システムを設計し,同時に,対話型行動と暗号化プロトコルを検出することができる。詳細に,時系列特徴のためのLong Short-Termメモリ(LSTM)に基づく深層学習分類器と,暗号化プロトコル特徴のためのランダムフォレストに基づく機械学習分類器を構築した。次に,アンサンブル学習における積層アルゴリズムを用いて,それらを結合して新しい分類器を形成した。最後に,Datacon2020データセットに依存して,広範な実験を行った。実験結果は,提案方法が,低い偽陽性率を保ちながら,暗号化された悪意のあるトラフィックの検出率を改善することを示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (4件)： , , ,

計算機網

, ,

前のページに戻る