文献

J-GLOBAL ID：202202257549886758   整理番号：22A1043824

自動エンコーダと1クラスサポートベクトルマシンによるネットワーク侵入検出【JST・京大機械翻訳】

Network Intrusion Detection With Auto-Encoder and One-Class Support Vector Machine

著者 (4件)： Abed Sa’ed (Kuwait University, Kuwait) ,  H. Alshayeji Mohammad (Kuwait University, Kuwait) ,  AlSulaimi Mousa (Kuwait University, Kuwait) ,  Jaffal Reem (Kuwait University, Kuwait)
資料名： International Journal of Information Security and Privacy  (International Journal of Information Security and Privacy)
巻： 16  号： 1  ページ： 1-18  発行年： 2022年 
JST資料番号： W3859A  ISSN： 1930-1650  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： 機械学習の最近の進歩は,教師つき機械学習を通してネットワーク侵入を検出する有望な結果を示している。しかし,そのような技術は,新しいタイプの攻撃に対して無効である。好ましい教師なしおよび半教師つき事例において,これらの新しい技術は,より低い精度およびより高い誤り警報率に悩まされる。本研究では,自動エンコーダと1クラスサポートベクトルマシンを組み合わせた機械学習モデルを提案した。このモデルでは,自動エンコーダは潜在空間における入力データの表現を学習し,入力データの次元を低減する。次に,次元縮小入力を自動エンコーダから抽出して,攻撃または正常事象としてネットワークイベントを分類するために1クラスサポートベクトルマシンに通過した。モデルは,通常のネットワークイベントのみに訓練された。次に提案モデルを評価し,いくつかの既存のモデルと比較した。それは,NSL-KDDとKDD99データセットでテストしたとき,それぞれ96.24%と99.45%の全精度で,高精度を達成した。Copyright 2022 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  データ ,  *ネットワーク ,  精度 ,  比率 ,  *符号器 ,  空間 ,  次元縮小 ,  機械学習
準シソーラス用語： 誤警報 ,  高精度 ,  入力データ ,  教師付き機械学習 , 【Automatic Indexing@JST】

著者キーワード (1件)： 自動エンコーダと1クラスサポートベクトルマシンによるネットワーク侵入検出

分類 (3件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： エンコーダ ,  クラス ,  サポートベクトルマシン ,  侵入