異常に基づくネットワーク侵入検出のための連続学習【JST・京大機械翻訳】

Amalapuram Suresh Kumar; Tadwai Akash; Vinta Reethu; Channappayya Sumohana S.; Tamma Bheemarjuna Reddy

文献

J-GLOBAL ID：202202264002651296 整理番号：22A0488672

異常に基づくネットワーク侵入検出のための連続学習【JST・京大機械翻訳】

Continual Learning for Anomaly based Network Intrusion Detection

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0488672&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0488672&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (5件)： , , , ,
資料名：
巻： 2022 号： COMSNETS ページ： 497-505 発行年： 2022年
JST資料番号： W2441A 資料種別：会議録 (C)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

絶えず成長するサイバー攻撃に対する計算システムを防御するために,異常ベースネットワーク侵入検知システム(A-NIDS)は連続的に進化しなければならない。この要求は,それらが連続的に進化するタスクを巧みに処理しないので,古典的機械学習アルゴリズムを無効にする。特に,ニューラルネットワーク(NN)は,逐次データ上で訓練されたとき,壊滅的忘却(CF)の傾向がある。NNのこの欠点に対処する最近の進歩は,これらのNNの逐次訓練中に適切な制約を導入することによってCFを緩和する連続学習(CL)と呼ばれるパラダイムをもたらした。CLはコンピュータビジョンタスクにおけるNNの性能の改善に非常に有効であることが示されている。しかし,A-NIDSの設計へのその応用は検討されていない。本研究では,A-NIDS設計で提起された課題に対処するCLの適合性を評価した。コンピュータビジョンデータセットと異なり,ネットワークデータセットはクラス不均衡(CI)問題に悩まし,CLアルゴリズムの直接応用を困難にする。ネットワークデータセットに対するCLアルゴリズムの適合性を評価するために,タスク順序付けに対するクラス不均衡の影響およびクラスインクリメンタル(CIL)およびドメインインクリメンタル(DIL)学習設定におけるCLベースA-NIDSの設計に対するその影響を研究した。この目的のために,2つの一般的なCLアルゴリズムを適用した。2つのデータセット,すなわちCICIDSとKDD Cup’99における弾性重量圧密(EWC)と勾配エピソディックメモリ(GEM),およびそれらの性能を評価した。CIは,DIL設定と比較した場合,CIL設定においてより大きな程度に対してタスク順序感度に影響することを見出した。DIL設定の性能は,経験忘却認識記憶集団技術を組み込むことによってさらに強化することができ,CLベースA-NIDSを構築するための実用的アプローチとしてこれを推奨した。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】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般

前のページに戻る