文献

J-GLOBAL ID：202202283984249353   整理番号：22A0151841

CSE-IDS:ネットワークベースの侵入検知システムにおけるクラス不均衡を扱うためのコストに敏感な深層学習とアンサンブルアルゴリズムの使用【JST・京大機械翻訳】

CSE-IDS: Using cost-sensitive deep learning and ensemble algorithms to handle class imbalance in network-based intrusion detection systems

著者 (3件)： Gupta Neha (Department of Computer Science, University of Delhi, India) ,  Jindal Vinita (Keshav Mahavidyalaya, University of Delhi, India) ,  Bedi Punam (Department of Computer Science, University of Delhi, India)
資料名： Computers & Security  (Computers & Security)
巻： 112  ページ： Null  発行年： 2022年 
JST資料番号： E0995A  ISSN： 0167-4048  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： 近年,ネットワークベースの侵入検知システム(NIDS)は,コンピュータネットワークにおける侵入を検出するために非常に一般的になってきた。既存のNIDSは,ネットワークで頻繁に目撃されたこれらの侵入を容易に同定できるが,しかし,それらは,正確に新しい,そして,まれな侵入(少数攻撃)を同定できない。さらに,そのようなシステムは,誤り警報の数を見落としながら,全体のAttack検出速度を最大化することのみに焦点を合わせる。これらの問題に取り組むために,本論文は,コスト感度深い学習とアンサンブルアルゴリズムに基づく3層NIDSであるCSE-IDSを提案した。提案したCSE-IDSの層1は,疑わしいネットワークトラフィックから通常のトラフィックを分離するために,コスト感度深いニューラルネットワークを使用する。次に,これらの疑わしいサンプルをLayer2に送付し,eXtreme勾配ブースティングアルゴリズムを用いて,それらを正常クラス,異なる多数攻撃クラス,およびすべての少数攻撃クラスを表す単一クラスに分類する。最後に,ランダムフォレストを層3で用いて,層2で同定された少数攻撃をそれぞれのクラスに分類した。提案したCSE-IDSの性能を,精度,Recall,精度,F1スコア,ROC曲線,AUC値,および計算時間に関して,NSL-KDD,CIDDS-001,およびCICIDS2017データセットで評価した。提案システムは,ネットワークに存在する多数攻撃と少数攻撃の両方に対する高い攻撃検出率を達成することにより,その対応物よりも性能が優れている。さらに,攻撃トラヒックから正常トラヒックを正しく分離することにより,誤り警報の数を最小化する。得られた結果は,提案したCSE-IDSがネットワークベースの侵入検出を行うための実世界に展開できることを確認した。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 ,  *ネットワーク ,  ニューラルネットワーク ,  計算機網 ,  サイバー攻撃
準シソーラス用語： ROC曲線 ,  ブースティング ,  誤警報 ,  ネットワークトラフィック ,  検出率 ,  ランダムフォレスト ,  *侵入検知システム ,  ブースティングアルゴリズム ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： ネットワークベースの侵入検知システム ,  コストに敏感なアルゴリズム ,  深層学習 ,  バギング ,  ブースティング ,  サイバーセキュリティ

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： IDS ,  侵入検知システム ,  クラス不均衡 ,  深層学習 ,  アンサンブル ,  アルゴリズム