文献

J-GLOBAL ID：202202291236612688   整理番号：22A1170163

クラウドコンピューティング環境における階層的ネットワークセキュリティ測定と最適プロアクティブ防御【JST・京大機械翻訳】

Hierarchical Network Security Measurement and Optimal Proactive Defense in Cloud Computing Environments

著者 (2件)： Xing Jingyu (School of Computer and Software Nanyang Institute of Technology, Nanyang, Henan 473004, China) ,  Zhang Zheng (School of Computer and Software Nanyang Institute of Technology, Nanyang, Henan 473004, China)
資料名： Security and Communication Networks  (Security and Communication Networks)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2740A  ISSN： 1939-0114  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文は,クラウドコンピューティング環境における階層的ネットワークセキュリティ測定および最適能動防衛の徹底的な研究および解析を提示した。クラウドプラットフォームモニタリングを通して収集したすべてのクラウドプラットフォームセキュリティ関連データを収集して,次に,関連するセキュリティデータをまとめて,クラウドプラットフォームの特定のセキュリティ姿勢インデックスを導き出して,このようにクラウドプラットフォームのセキュリティリスクを判断するためにクラウドプラットフォーム管理者のための参照を提供した。それはクラウドプラットフォームのセキュリティリスクを判断するクラウドプラットフォーム管理者の参照を提供する。クラウドプラットフォームセキュリティ状況認識システムを通して,著者らは主にクラウドプラットフォームの構成,セキュリティ状態認識システムの構築,およびセキュリティ状況価値と利用の計算を研究して,このように,クラウドプラットフォームの安定性,安全性,および信頼性を大いに改善した。この方式の応用は従来のネットワークセキュリティ管理の欠点を避けて,それは過去のデータに完全に依存して,リアルタイムでシステムのセキュリティ状態における変化を感知できない。同時に,予測結果をファジィ意思決定システムの入力に加え,評価の精度を改善した。この方法は,ネットワークセキュリティ姿勢予測のリアルタイムと有効性を改善し,アルゴリズムの収束速度と予測精度を増加し,過剰適合の発生を避ける。インターネットネットワークセキュリティ姿勢データセットに基づくシミュレーション実験は,この調査方法が従来の機械学習方式と他の深い学習方式よりも少ない予測誤差を持ち,より高い学習効率を有して,将来の期間における大きいデータ環境におけるネットワークセキュリティ姿勢の傾向の予測において,より迅速,正確,および有効であることを示した。Copyright 2022 Jingyu Xing and Zheng Zhang. 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 ,  シミュレーション ,  *計算機利用 ,  安全性 ,  学習 ,  *管理者 ,  信頼性 ,  機械学習 ,  予測誤差
準シソーラス用語： *防衛 ,  状況認識 ,  収束速度 ,  予測精度 ,  *ネットワークセキュリティ ,  *クラウドコンピューティング ,  システムセキュリティ , 【Automatic Indexing@JST】

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

引用文献 (20件)：

• J.-H. Cho, D. P. Sharma, H. Alavizadeh, S. Yoon, N. Ben-Asher, T. J. Moore, D. S. Kim, H. Lim, F. F. Nelson, "Toward proactive, adaptive defense: a survey on moving target defense," IEEE Communications Surveys & Tutorials, vol. 22, no. 1, pp. 709-745, 2020.
• N. Agrawal, S. Tapaswi, "Defense mechanisms against DDoS attacks in a cloud computing environment: state-of-the-art and research challenges," IEEE Communications Surveys & Tutorials, vol. 21, no. 4, pp. 3769-3795, 2019.
• R. Roman, R. Rios, J. A. Onieva, J Lopez, "Immune system for the Internet of Things using edge technologies," IEEE Internet of Things Journal, vol. 6, no. 3, pp. 4774-4781, 2018.
• Y. Huang, J. Chen, L. Huang, Q. Zhu, "Dynamic games for secure and resilient control system design," National Science Review, vol. 7, no. 7, pp. 1125-1141, 2020.
• C. Hongsong, Z. Yongpeng, C. Yongrui, B. Bhargava, "Security threats and defensive approaches in machine learning system under big data environment," Wireless Personal Communications, vol. 117, no. 4, pp. 3505-3525, 2021.

タイトルに関連する用語 (4件)： クラウドコンピューティング ,  環境 ,  ネットワークセキュリティ ,  防御