文献

J-GLOBAL ID：202202263661033566   整理番号：22A1043805

MSOMハイブリッド教師なしアルゴリズムを用いたSCADA IDSセキュリティの向上【JST・京大機械翻訳】

Enhanced SCADA IDS Security by Using MSOM Hybrid Unsupervised Algorithm

著者 (3件)： Sangeetha K. (Kebri Dehar University, Kebri Dehar, Ethiopia) ,  Shitharth S. (Kebri Dehar University, Kebri Dehar, Ethiopia) ,  Baig Mohammed Gouse (Vardhaman College of Engineering, India)
資料名： International Journal of Web-Based Learning and Teaching Technologies  (International Journal of Web-Based Learning and Teaching Technologies)
巻： 17  号： 2  ページ： 1-9  発行年： 2022年 
JST資料番号： W3857A  ISSN： 1548-1093  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： 自己組織化マップ(SOM)は高次元データをクラスタ化し,複雑な入力を容易に理解できる入力に変換する教師なしニューラルネットワークである。最も近い距離と重み因子を見つけるために,高次元入力空間を低次元入力空間に写像する。データポイントに対する最密ノードをニューロンとして表示した。それはこれらのニューロンに基づく入力データを分類する。ニューロンを用いた次元と格子クラスタリングの低減は,データ間の類似性を観察する。本提案のMutated自己組織化マップ(MSOM)アプローチでは,2つの意図がある。1つは,学習速度を除去し,近隣サイズを減らし,次に,ネットワーク内の異常値を発見することである。第一のものは,隣接ノードを持つ各ノード間の中央値距離(MD)を計算することである。次に,それらの中央値を互いに比較した。事例では,MD値のいずれかが残りから有意に変化するならば,異常ノードとして宣言される。第2フェーズでは,クラスタ中心から各インスタンスにおける量子化誤差(QE)を見出した。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： *アルゴリズム ,  ネットワーク ,  ニューロン ,  ニューラルネットワーク ,  クラスタ化 ,  クラスタ ,  異常値 ,  高次元 ,  次元 ,  データ収集 ,  自己組織化特徴マップ
準シソーラス用語： 低次元 ,  高次元データ ,  入力データ , 【Automatic Indexing@JST】

著者キーワード (6件)： インターネットセキュリティ ,  侵入検知システム(IDS) ,  変異自己組織化マップ(MSOM) ,  量子化誤差(QE) ,  自己組織化マップ(SOM) ,  監視制御とデータ収集(SCADA)

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師 ,  アルゴリズム ,  SCADA ,  IDS ,  セキュリティ