敵対的再帰オートエンコーダを用いたエンタープライズリソース計画システムにおける異常インサイダー行動検出フレームワーク【JST・京大機械翻訳】

Dr Jongmin; Oh Hyeontaek; Kim Minkyung; Jung Sehun

文献

J-GLOBAL ID：202202267379003496 整理番号：22A0203925

敵対的再帰オートエンコーダを用いたエンタープライズリソース計画システムにおける異常インサイダー行動検出フレームワーク【JST・京大機械翻訳】

Unusual Insider Behavior Detection Framework on Enterprise Resource Planning Systems Using Adversarial Recurrent Autoencoder

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=22A0203925&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0203925&from=J-GLOBAL&jstjournalNo=W1434A") }}

著者 (4件)： , , ,
資料名：
巻： 18 号： 3 ページ： 1541-1551 発行年： 2022年
JST資料番号： W1434A ISSN： 1551-3203 CODEN： ITIICH 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)

企業資源計画(ERP)システムに関するインサイダの異常な行動を検出することは,インサイダによって企業資源を脅かすリスクを減らすために,不可欠な部分のひとつであった。ルールベースシステムおよび確率的プロセスに基づく挙動を検出する多くのアプローチは,現在,手動で確立されたアルゴリズムまたは確率的境界を用いた経験的監視に限定されている。これらの手法は,ユーザ許可ガイドラインやプロセスデータ特性などの事前知識を必要とする。残念なことに,事前知識を得ることは実際に困難であり,これらは発見的規則を用いて明確に定義できない非定型異常挙動を検出するのに適切ではない。したがって,本論文では,ERPシステムのための異常なインサイダー挙動検出(UIBD)のための新しいフレームワークを提案した。提案フレームワークは,まず,通常挙動サンプルに対する識別モデルを導き,UIBDを,モデルを用いる誤差を計算することにより実行した。モデルは通常の試料のみを用いてコンパイルされるので,異常な試料の誤差は通常のものよりも大きい。ロバスト正常挙動モデルを導出するために,著者らは,敵対的再発性自動エンコーダ(ARAE)を提示した。ARAEに基づく提案フレームワークの効率を実証するために,実世界企業で動作するERPシステムのセキュリティ監査ログのシーケンスによって定義されるインサイダ挙動から成るデータセットを用いて実験を行った。実験結果は,ARAEによる提案フレームワークが,異常なインサイダ挙動を検出するのに成功し,また,異常なインサイダー挙動または脅威を検出する他の方法より優れていることを示した。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】

通信網 , 無線通信一般 , 電力系統一般 , 計算機網

, , , , , , ,

前のページに戻る