文献

J-GLOBAL ID：202202251561654767   整理番号：22A0457514

自動暗号文分類のための深い双方向LSTM-GRUネットワークモデル【JST・京大機械翻訳】

A Deep Bidirectional LSTM-GRU Network Model for Automated Ciphertext Classification

著者 (5件)： Ahmadzadeh Ezat (Department of Robotics Engineering, DGIST, Hyeonpung-myeon, Daegu, Dalseong-gun, South Korea) ,  Kim Hyunil (Department of Robotics Engineering, DGIST, Hyeonpung-myeon, Daegu, Dalseong-gun, South Korea) ,  Jeong Ongee (Department of Robotics Engineering, DGIST, Hyeonpung-myeon, Daegu, Dalseong-gun, South Korea) ,  Kim Namki (Department of Robotics Engineering, DGIST, Hyeonpung-myeon, Daegu, Dalseong-gun, South Korea) ,  Moon Inkyu (Department of Robotics Engineering, DGIST, Hyeonpung-myeon, Daegu, Dalseong-gun, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 3228-3237  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 長い短温度メモリ(LSTM)とゲートリカレントユニット(GRU)は,逐次データ処理に適した一種のリカレントニューラルネットワーク(RNN)である。双方向LSTM(BLSTM)は,双方向方式で将来の時間ステップを学習することにより,コンテキストのより良い理解を可能にする。さらに,GRUは隠れ層におけるリセットと更新ゲートを展開し,従来のLSTMよりも計算的に効率的である。本論文は,暗号文分類のための深いBLSTM-GRUに基づく効率的ネットワークモデルを提案し,暗号文が属するカテゴリーをマークすることを目指した。提案したモデル性能を,様々な古典的暗号手法で暗号化された2つの公的に利用可能なデータセットに関するよく知られた評価尺度を用いて評価し,その性能を1次元畳込みニューラルネットワーク(1D-CNN)および様々な他の深層学習ベースアプローチに対して比較した。実験結果は,BLSTM-GRUセルユニットネットワークモデルが95.8%までの高い分類精度を達成したことを示した。知る限りでは,これはRNNベースモデルが暗号文分類に適用された初めてである。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： *記憶装置 ,  データ処理 ,  一次元 ,  暗号
準シソーラス用語： *ネットワークモデル ,  隠れ層 ,  リカレントニューラルネットワーク ,  分類精度 ,  *暗号文 ,  深層学習 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 暗号文 ,  分類 ,  双方向 ,  LSTM ,  ネットワークモデル