文献

J-GLOBAL ID：202202251023037148   整理番号：22A0840046

バイオインスパイアードディープニューラルネットワーク構造に基づくサイバー物理システム通信ネットワークにおける侵入予測のための新しいハイブリッドモデル【JST・京大機械翻訳】

Novel Hybrid Model for Intrusion Prediction on Cyber Physical Systems’ Communication Networks based on Bio-inspired Deep Neural Network Structure

著者 (4件)： Ibor Ayei E. (Department of Computer Science, University of Calabar, Calabar, Nigeria) ,  Okunoye Olusoji B. (Department of Computer Sciences, University of Lagos, Lagos, Nigeria) ,  Oladeji Florence A. (Department of Computer Sciences, University of Lagos, Lagos, Nigeria) ,  Abdulsalam Khadeejah A. (Department of Electrical and Electronics Engineering, University of Lagos, Lagos, Nigeria)
資料名： Journal of Information Security and Applications  (Journal of Information Security and Applications)
巻： 65  ページ： Null  発行年： 2022年 
JST資料番号： W2985A  ISSN： 2214-2126  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： サイバー物理システム(CPS)の通信ネットワークのセキュリティに関する関心が高まっている。典型的なサイバー物理システム(CPS)において,CPSにおける計算およびデータ伝送を可能にする通信ネットワークを通して,プラント,アクチュエータ,センサおよび制御装置インタフェイスを,通信ネットワークを通して,提案した。その結果,通信ネットワークは洗練された攻撃に対して脆弱である。CPS通信ネットワーク上の攻撃は,重大な資源とインフラストラクチャに損傷を引き起こす。この意味で,ターゲットCPSネットワークへの影響を最小化するために,これらの攻撃を正確に予測することが重要である。本論文では,CPS通信ネットワーク上の侵入予測のための新しいハイブリッドアプローチを提案した。ニューラルネットワークのコアハイパーパラメータに基づく改良型深層ニューラルネットワーク構造を生成するために,バイオインスパイアードハイパーパラメータ探索技術を用いた。さらに,改良ニューラルネットワーク構造に基づく予測モデルを導出し,2つのよく知られたデータセット,即ちCICIDS2017とUNSW-NB15データセットを用いてその性能を評価した。厳密な実験から得た結果は,著者らのモデルが高精度,低誤差および偽陽性率を有する多様な攻撃タイプを予測でき,最先端の比較モデルより優れていることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： システム ,  *通信網 ,  *ネットワーク ,  物理学 ,  *ニューラルネットワーク ,  アクチュエータ ,  インフラストラクチャー ,  インタフェイス ,  セキュリティ ,  予測モデル ,  サイバー攻撃
準シソーラス用語： データ伝送 ,  *ハイブリッドモデル ,  ハイパーパラメータ ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： サイバー攻撃 ,  侵入予測 ,  バイオインスパイアードアルゴリズム ,  深層学習 ,  サイバー物理システム

分類 (3件)： 計算機網  (JC03000K) ,  通信網  (ND07030A) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： 物理 ,  通信ネットワーク ,  侵入 ,  予測 ,  ハイブリッドモデル