文献

J-GLOBAL ID：202202276077935587   整理番号：22A0840035

AI@nti-Malware:マルウェア攻撃に対する防衛のための知的フレームワーク【JST・京大機械翻訳】

AI@nti-Malware: An intelligent framework for defending against malware attacks

著者 (4件)： Ma Yi-Wei (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Chen Jiann-Liang (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Kuo Wen-Han (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan) ,  Chen Yu-Chen (Department of Electrical Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan)
資料名： Journal of Information Security and Applications  (Journal of Information Security and Applications)
巻： 65  ページ： Null  発行年： 2022年 
JST資料番号： W2985A  ISSN： 2214-2126  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルウェアのタイプ間の識別は,それらがコンピューティングシステム,それらがもたらす脅威のレベル,およびそれらに対する保護の手段をいかに感染するかを理解するために重要である。本研究では,人工知能学習,データ不均衡,および特徴評価メカニズムを組み合わせた知的フレームワーク,AI@nti-Malwareを開発し,マルウェア攻撃に対する防御に有効なマルウェア分類モデルを確立した。SMOTENNアルゴリズムを用いて,モデルオフセットの問題を解決し,モデルの有効性を改善するために,少数カテゴリの訓練データを生成した。CTU-13オープンデータセットを用いた分析の結果は,機械学習アルゴリズムXGBoostによるインテリジェントフレームワークが99.98%の精度に達することができ,一方,深層学習バックプロパゲーションアルゴリズムによるそれは98.88%の精度を有することを示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  学習 ,  計算機システム ,  人工知能 ,  コンピュータセキュリティ ,  逆伝搬法 ,  機械学習 ,  学習アルゴリズム ,  予測モデル ,  サポートベクトルマシン ,  *マルウェア ,  *サイバー攻撃
準シソーラス用語： 訓練データ ,  分類モデル ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (8件)： コンピュータセキュリティ ,  人工知能 ,  機械学習 ,  人工ニューラルネットワーク ,  予測モデル ,  バックプロパゲーション ,  ブースティング ,  サポートベクトルマシン

分類 (2件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マルウェア ,  攻撃 ,  防衛 ,  フレームワーク