文献

J-GLOBAL ID：202202281528737163   整理番号：22A0887019

リカレントニューラルネットワークに基づく未知バイナリプロトコルの状態機械推論法【JST・京大機械翻訳】

State Machine Inference Method of Unknown Binary Protocol Based on Recurrent Neural Network

著者 (5件)： Chen Yang (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Li Peng (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Li Peng (Institute of Network Security and Trusted Computing, Nanjing, China) ,  Zhang Yujie (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Fang Weiqing (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1563  ページ： 607-616  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： バイナリプロトコルのステートマシンは,プロトコルの行動特性を効果的に反映することができ,その推論結果は,プロトコルフォーマット情報と論理的相互作用によって,しばしばあまり影響されない。この問題を解決するために,再帰ニューラルネットワークに基づくプロトコルメッセージ型認識とプロトコル状態アーキテクチャ法を提案した。フォーマット分類の以前の研究に基づいて,本論文は,プロトコルメッセージの状態特性を得るために再帰的ニューラルネットワークを使用し,次に,プロトコルメッセージタイプをマークするためにクラスタリングアルゴリズムを使用した。最後に,プロトコル状態機械を構築して最適化した。MQTTとRFIDデータセットに関する実験結果は,提案方法がプロトコル状態機械推論の高精度を有することを示した。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： 最適化 ,  相互作用 ,  簡素化 ,  特性 ,  *ニューラルネットワーク ,  有限状態機械 ,  クラスタ化 ,  *プロトコル ,  *推論 ,  計算機アーキテクチャ
準シソーラス用語： *リカレントニューラルネットワーク ,  高精度 ,  クラスタリングアルゴリズム ,  *バイナリー ,  *自動推論 , 【Automatic Indexing@JST】

著者キーワード (4件)： プロトコル状態機械 ,  LSTM ,  クラスタリング ,  状態簡素化

分類 (2件)： その他のディジタル計算機方式  (JC02050G) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： リカレントニューラルネットワーク ,  バイナリ ,  プロトコル ,  機械推論