文献

J-GLOBAL ID：202202291812870746   整理番号：22A1037782

サイバー攻撃検出システムの開発における計算知能アプローチ【JST・京大機械翻訳】

Computational Intelligence Approaches in Developing Cyberattack Detection System

著者 (2件)： Alzahrani Mohammed Saeed (College of Computer Science and Information Technology, King Faisal University, P.O. Box 4000, Al-Ahsa, Saudi Arabia) ,  Alsaade Fawaz Waselallah (College of Computer Science and Information Technology, King Faisal University, P.O. Box 4000, Al-Ahsa, Saudi Arabia)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  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： インターネットはレスポンスな対応に基本的部分を果たすので,その適応性は侵入の影響を減少できる。侵入は,コンピュータの焦点に好ましくない影響を与える動きと定義される。侵入は,攻撃性,完全性,プライバシー,および資産のアクセシビリティを犠牲にする。侵入が起こるとき,コンピュータセキュリティシステムはトレードオフする。提案したインテリジェントサイバーセキュリティシステムの新規性は,モノのインターネット(IoT)デバイスと入力攻撃からの任意のネットワークを保護する能力である。本研究では,様々な機械学習と深層学習アルゴリズム,すなわち,量子サポートベクトルマシン(QSVM),k最近傍(KNN),線形判別と二次判別長短期メモリ(LSTM),およびオートエンコーダアルゴリズムを適用して,署名データベースからの攻撃を検出した。相関法を用いて,データセット特徴とクラスの間の高パーセント関係を有する特徴を見つけることによって,重要なネットワーク特徴を選択した。その結果,9つの特徴を選択した。1熱符号化法を適用して,カテゴリ特徴を数値特徴に変換した。ベンチマークKDD Cupデータベースを用いて,このシステムの検証を検証した。統計解析法を適用して,提案した研究の結果を評価した。正常および攻撃パケットを分類するために,二値および多重分類を行った。実験結果は,KNNとLSTMアルゴリズムが侵入検知システムの開発のためにより良い分類性能を達成することを示した。バイナリ分類のためのKNNとLSTMアルゴリズムの精度は,98.55%と97.28%であり,一方,KNNとLSTMは,多重分類のために高精度を達成した(98.28%と970.7%)。最後に,KNNとLSTMアルゴリズムは,適合ベースの侵入検知システムである。Copyright 2022 Mohammed Saeed Alzahrani and Fawaz Waselallah Alsaade. 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 ,  記憶装置 ,  データベース ,  相互接続 ,  多重化 ,  コンピュータセキュリティ ,  ベンチマーク ,  パケット ,  コンピュータ ,  インターネット ,  機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン ,  *サイバー攻撃
準シソーラス用語： サイバーセキュリティ ,  モノのインターネット , 【Automatic Indexing@JST】

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

引用文献 (59件)：

• V. Adat, B. B. Gupta, "Security in internet of things: issues, challenges, taxonomy, and architecture," Telecommunication Systems, vol. 67, no. 3, pp. 423-441, 2018.
• Statista Research Department, "IoT: number of connected devices worldwide 2012-2025. Available online," 2020), https://www.statista.com/statistics/471264/iot-number-of-connected-devices-worldwide/.
• S. Hajiheidari, K. Wakil, M. Badri, N. J. Navimipour, "Intrusion detection systems in the Internet of things: a comprehensive investigation," Computer Networks, vol. 160, pp. 165-191, 2019.
• M. Samaila, M. Neto, D. Fernandes, M. Freire, P. Inácio, "Challenges of securing internet of things devices:asurvey," Security Point, vol. 1, 2018.
• S. Bhattarai, Y. Wang, "End-to-End trust and security for internet of things applications," Computer, vol. 51, no. 4, pp. 20-27, 2018.

タイトルに関連する用語 (4件)： サイバー攻撃 ,  検出システム ,  開発 ,  計算知能