文献

J-GLOBAL ID：202202247646780564   整理番号：22A1156458

前例のないDDoS攻撃を検出するためのハイブリッド機械学習アプローチ【JST・京大機械翻訳】

A hybrid machine learning approach for detecting unprecedented DDoS attacks

著者 (3件)： Najafimehr Mohammad (Department of Computer Engineering, Yazd University, Yazd, Iran) ,  Zarifzadeh Sajjad (Department of Computer Engineering, Yazd University, Yazd, Iran) ,  Mostafavi Seyedakbar (Department of Computer Engineering, Yazd University, Yazd, Iran)
資料名： Journal of Supercomputing  (Journal of Supercomputing)
巻： 78  号： 6  ページ： 8106-8136  発行年： 2022年 
JST資料番号： T0418A  ISSN： 0920-8542  資料種別： 逐次刊行物 (A)
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： サービスアベイラビリティは,コンピュータネットワークに不可欠な役割を果たしており,それに対して,サービスの分散型サービス(DDoS)攻撃は,毎年ますます増大する脅威である。機械学習(ML)は,DDoS検出に広く用いられている有望なアプローチであり,それは既知の攻撃に対して満足のいく結果を得る。しかし,それらは,未知の悪意のあるトラフィックを検出するのにはほとんど不可能である。本論文では,教師つきおよび教師なしアルゴリズムの両方を組み合わせた新しい方法を提案した。最初に,クラスタリングアルゴリズムは,いくつかのフローベースの特徴を用いて,正常データから異常トラフィックを分離する。次に,ある統計的測度を用いて,分類アルゴリズムを用いてクラスタをラベル付けした。ビッグデータ処理フレームワークを用いて,CICIDS2017データセットの訓練と,最新のCICDDoS2019に与えられた異なる攻撃セットでの試験による提案手法を評価した。結果は,著者らの方式の陽性尤度比(LR+)がML分類アルゴリズムより約198%高いことを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  検出 ,  測度 ,  サービス ,  計算機網 ,  クラスタ ,  セキュリティ ,  *機械学習 ,  *サイバー攻撃
準シソーラス用語： *DDoS攻撃 ,  分類アルゴリズム ,  ネットワークセキュリティ ,  異常トラヒック ,  クラスタリングアルゴリズム ,  ビッグデータ ,  サービス可用性 , 【Automatic Indexing@JST】

著者キーワード (6件)： DDoS検出 ,  機械学習 ,  DBSCAN ,  ネットワークセキュリティ ,  ビッグデータ ,  前例のない攻撃

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (2件)： DDoS攻撃 ,  機械学習