文献

J-GLOBAL ID：202202257679779306   整理番号：22A0222110

機械学習を用いた侵入検知システムの有効性を強化するためのハイブリッド分類技術【JST・京大機械翻訳】

A Hybrid Classification Technique for Enhancing the Effectiveness of Intrusion Detection Systems Using Machine Learning

著者 (4件)： Kumar Kapil (Guru Gobind Singh Indraprastha University, India) ,  Kumar Arvind (Netaji Subhas University of Technology, India) ,  Kumar Vimal (MIET, India) ,  Kumar Sunil (MIET, India)
資料名： International Journal of Organizational and Collective Intelligence  (International Journal of Organizational and Collective Intelligence)
巻： 12  号： 1  ページ： 1-18  発行年： 2022年 
JST資料番号： W3921A  ISSN： 1947-9344  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： 本論文では,単一アーキテクチャにおけるクラスタリングおよび自己相関関数という2つの異なる概念を適用することにより,直列および非系列データを処理するためのハイブリッド侵入検出システムを提案し,開発することを目的とした。それが直列または非系列であるかどうか,両方のタイプのデータを処理できるシステムを提案して構築する必要がある。したがって,著者らは,ハイブリッド侵入検出システムを工作するロバストなアプローチを生成するために,2つの概念を使用した。著者らは,非系列データを処理するためにドメイン類似性に基づくデータを分類するために使用する教師なしクラスタリングアプローチを利用し,そして,他のアプローチは,一連のデータを処理するための自己相関関数に基づいた。この手法は,ホストベースの侵入検知システムとネットワークベースの侵入検知システムの両方からの入力としてデータを運ぶ単一アーキテクチャで消費される。結果は,ハイブリッド侵入検知システムが,クラスタリングにおけるエルボ方式を通して得られたクラスタの最適数に基づく分類データであることを示した。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： ネットワーク ,  自己相関関数 ,  クラスタ化 ,  クラスタ ,  エルボ ,  類似性 ,  有効性 ,  計算機アーキテクチャ ,  ロバスト性 ,  *機械学習
準シソーラス用語： *侵入検知システム ,  検知システム ,  教師なしクラスタリング , 【Automatic Indexing@JST】

著者キーワード (6件)： 肘法 ,  HID ,  ハイブリッド侵入検知システム ,  ID ,  侵入検知システム ,  Kmeans++

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 機械学習 ,  侵入検知システム ,  有効性 ,  強化 ,  分類