文献

J-GLOBAL ID：202202278015655057   整理番号：22A1165045

時空間ベースの侵入検出モデル【JST・京大機械翻訳】

A Spatiotemporal-Based Intrusion Detection Model

著者 (5件)： Srinivasarao Nidamanuru (Sri Venkatesa Perumal College of Engineering and Technology,Department of CSE,Puttur,Andhra Pradesh) ,  Lakshmi B. (Velagapudi Ramakrishna Siddhartha Engineering College,Department of Computer Applications,Kanuru, Vijayawada,7) ,  Raghavendra Sai N. (Koneru Lakshmaiah Education Foundation,Department of Computer Science and Engineering,Vaddeswaram,AP,India) ,  Parish Venkata Kumar K. (Velagapudi Ramakrishna Siddhartha Engineering College,Department of Computer Applications,Kanuru, Vijayawada,Andhra Pradesh,7) ,  Gurnadha Gupta K. (ST Martin’s Engineering College,Department of CSE,Scendrabad,Telagana)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICEARS  ページ： 856-864  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： 信号と異常の観点から,模範的故障同定戦略を用いた新しい複雑な攻撃を同定することは,攻撃方法がより現代になるにつれてますます問題になっている。署名ベースの識別において,攻撃者は既知のサインを回避するが,あいまいな欠陥も利用する。新しい評価の数が毎日増加するので,実行に影響を与えることなく認識フレームワークをスケールするのは難しい。動的ハイライトによる今日の現代の応用により,特殊性を識別するための通常の実践を区別することは厄介である。基本的な例外位置によって,これらの混乱と動的属性は,多くの誤った利益をもたらす。本論文では,ほとんどの既存の割込み認識フレームワークが孤立成分のみを解析するにもかかわらず,現実における無数の計算機成分を調べることにより,割込み実践をこの論文で同定する。空間時間破壊設計を定義するために,任意の潜在的攻撃に導入すべきサイバータックの基本品質を調べた。情報収集の空間特性を,マルチスケール畳込みニューラルネットワークを用いて除去した。過渡現象のハイライトを短期メモリネットワークによって処理した。この調査で用いた知能収集はKDDCUP99であり,事前と試験セットに対する選択的確率輸送,ならびにいくつかの付加的攻撃タイプを再現し,情報をより合理的にする。したがって,この種の情報指数を,中断認識反復試験において,できるだけ頻繁に使用する。この試験における検出率,精度率,F1スコアなどの評価データを用いてモデルの性能を評価した。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： 過渡現象 ,  故障 ,  情報収集 ,  計算機械 ,  曖昧さ ,  *サイバー攻撃
準シソーラス用語： マルチスケール ,  検出率 ,  攻撃者 ,  畳込みニューラルネットワーク , 【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 (3件)： 時空間 ,  侵入 ,  モデル