文献

J-GLOBAL ID：202202275334214173   整理番号：22A0964422

ネットワークセキュリティのための教師なしおよびアンサンブルベースの異常検出法【JST・京大機械翻訳】

Unsupervised and Ensemble-based Anomaly Detection Method for Network Security

著者 (2件)： Yang Donghun (University of Science and Technology, AI Technology Research Center, Korea Institute of Science and Technology Information,Department of Data and HPC Science,Dae-Jeon,Repulic of Korea) ,  Hwang Myunggwon (University of Science and Technology, AI Technology Research Center, Korea Institute of Science and Technology Information,Department of Data and HPC Science,Dae-Jeon,Repulic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： KST  ページ： 75-79  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)

抄録/ポイント： BigdataとIoT技術は急速に発展している。したがって,ネットワークセキュリティの考察も強調され,効率的な侵入検出技術がますます洗練されたネットワーク攻撃を検出するのに必要である。本研究では,アンサンブルと教師なし学習に基づく効率的なネットワーク異常検出法を提案した。提案モデルは,通常のネットワークトラフィックデータのみを用いて,代表的な教師なし深層学習モデルであるオートエンコーダを訓練することによって構築される。検出目標データの異常スコアを,訓練された自動符号器の各層出力に対する再構成損失とMahalanobis距離のアンサンブルによって導出した。このスコアに閾値を適用することにより,ネットワーク異常トラフィックを効率的に検出できる。提案モデルを評価するために,この方法をUNSW-NB15データセットに適用した。その結果,提案した方法の全体的性能は,自動エンコーダの再構成損失のみを用いたモデルおよびMahalanobis距離を生データに適用するモデルよりも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】

シソーラス用語： 学習モデル ,  *ネットワーク ,  教師なし学習 ,  符号器 ,  *検出法 ,  再構成 ,  深層 ,  サイバー攻撃
準シソーラス用語： Mahalanobis距離 ,  異常検出 ,  ネットワークトラフィック ,  *ネットワークセキュリティ ,  モノのインターネット ,  自己符号化器 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ネットワークセキュリティ ,  教師 ,  アンサンブル ,  検出法