文献

J-GLOBAL ID：202202276053872369   整理番号：22A1053141

悪性コード検出と分類のためのスウォームインテリジェンスアルゴリズムに基づく効果的なデータバランシング戦略【JST・京大機械翻訳】

An Effective Data Balancing Strategy Based on Swarm Intelligence Algorithm for Malicious Code Detection and Classification

著者 (4件)： Cao Dongzhi (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Ning Zhenhu (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Zhang Shiqiang (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Liu Jianli (Faculty of Information Technology, Beijing University of Technology, Beijing, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1565  ページ： 160-173  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： データバランスはニューラルネットワーク訓練モデルの性能に大きな影響を持ち,高品質データで訓練されたモデルは,しばしばよりロバストである。悪意のあるコード検出と分類のタスクにおいて,サンプルの数は,異なる悪意のある家族の間でしばしば非常に異なる。生データがモデル訓練に直接使用されるならば,それはしばしば適合問題をもたらす。これに狙いを定めて,本論文は,最初に古典的機械学習モデルとニューラルネットワークモデルにおける一般的データ等化法を分析して,次に,モデルの性能を改良するために,群知能最適化アルゴリズムに基づくハイブリッド動的サンプリング戦略を設計した。実験結果は,著者らの悪意のあるコードデータバランス戦略が有効であることを示した。Copyright Springer Nature Singapore Pte Ltd. 2022 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 ,  学習モデル ,  データ ,  最適化手法 ,  ニューラルネットワーク ,  戦略 ,  等化 ,  モデル ,  *スウォーム ,  ロバスト性
準シソーラス用語： 神経回路網モデル ,  高品質 ,  群知能 ,  生データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 悪性コード検出 ,  不均衡データ ,  群知能アルゴリズム

分類 (3件)： 人工知能  (JE08000Z) ,  脳・神経系モデル  (EL02050C) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 分類 ,  戦略