論文の概要: A Performance Comparison of Data Mining Algorithms Based Intrusion
Detection System for Smart Grid
- arxiv url: http://arxiv.org/abs/2001.00917v1
- Date: Tue, 31 Dec 2019 20:48:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 20:31:56.995929
- Title: A Performance Comparison of Data Mining Algorithms Based Intrusion
Detection System for Smart Grid
- Title（参考訳）: スマートグリッドにおけるデータマイニングアルゴリズムによる侵入検知システムの性能比較
- Authors: Zakaria El Mrabet, Hassan El Ghazi, Naima Kaabouch
- Abstract要約: 侵入検知システム(IDS)は,スマートグリッドネットワークの確保と悪意ある活動の検出において重要な役割を担っている。
本稿では、IDSがSmart Gridで使用している4つのデータマイニングアルゴリズムの概要について述べる。
その結果、ランダムフォレストは他の3つのアルゴリズムよりも高い検出確率、誤報の確率、誤報の確率、誤検知の確率、高い精度で攻撃を検出できることがわかった。
- 参考スコア（独自算出の注目度）: 0.6445605125467573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart grid is an emerging and promising technology. It uses the power of
information technologies to deliver intelligently the electrical power to
customers, and it allows the integration of the green technology to meet the
environmental requirements. Unfortunately, information technologies have its
inherent vulnerabilities and weaknesses that expose the smart grid to a wide
variety of security risks. The Intrusion detection system (IDS) plays an
important role in securing smart grid networks and detecting malicious
activity, yet it suffers from several limitations. Many research papers have
been published to address these issues using several algorithms and techniques.
Therefore, a detailed comparison between these algorithms is needed. This paper
presents an overview of four data mining algorithms used by IDS in Smart Grid.
An evaluation of performance of these algorithms is conducted based on several
metrics including the probability of detection, probability of false alarm,
probability of miss detection, efficiency, and processing time. Results show
that Random Forest outperforms the other three algorithms in detecting attacks
with higher probability of detection, lower probability of false alarm, lower
probability of miss detection, and higher accuracy.
- Abstract（参考訳）: smart gridは、新興で有望な技術だ。
情報技術の力を利用して、顧客へのインテリジェントな電力供給を行い、環境要求を満たすためのグリーンテクノロジーの統合を可能にします。
残念ながら、情報技術には固有の脆弱性と弱点があり、スマートグリッドをさまざまなセキュリティリスクに晒している。
侵入検知システム(IDS)は、スマートグリッドネットワークの確保と悪意のある活動の検出において重要な役割を果たすが、いくつかの制限がある。
多くの研究論文が、これらの問題にいくつかのアルゴリズムと手法を用いて対処するために出版された。
したがって、これらのアルゴリズムの詳細な比較が必要である。
本稿では,スマートグリッドにおけるidsで使用される4つのデータマイニングアルゴリズムの概要を示す。
これらのアルゴリズムの性能評価は、検出の確率、誤報の確率、ミス検出の確率、効率、処理時間など、いくつかの指標に基づいて行われる。
その結果、ランダムフォレストは他の3つのアルゴリズムよりも高い検出確率、誤報の確率、誤検知の確率、高い精度で攻撃を検出できることがわかった。
関連論文リスト
- Towards Robust IoT Defense: Comparative Statistics of Attack Detection in Resource-Constrained Scenarios [1.3812010983144802]
リソースの制約は、IoTスマートデバイスに重大なサイバーセキュリティの脅威をもたらす。
我々は、資源制約下でのサイバー攻撃検出アルゴリズムの広範な統計的解析を行い、最も効率的なものを特定する。
論文 参考訳（メタデータ） (2024-10-10T10:58:03Z) - Benchmark Evaluation of Anomaly-Based Intrusion Detection Systems in the Context of Smart Grids [2.479074862022315]
異常検出は、スマートグリッドにおけるサイバーセキュリティの鍵となる技術として登場した。
スマートグリッドにおける異常検出手法の評価環境を提案する。
論文 参考訳（メタデータ） (2023-12-21T10:17:36Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳（メタデータ） (2023-12-18T12:37:35Z) - Machine-learned Adversarial Attacks against Fault Prediction Systems in
Smart Electrical Grids [17.268321134222667]
本研究では、スマートグリッドシナリオにおける機械学習(ML)アプリケーションのセキュリティに関する課題について検討する。
まず、スマートグリッドで使用されるディープニューラルネットワーク手法が、逆方向の摂動の影響を受けやすいことを実証する。
そこで本研究では,スマートグリッドにおける現在のMLアルゴリズムの弱点を,障害の局所化と型分類によって明らかにする方法について述べる。
論文 参考訳（メタデータ） (2023-03-28T10:19:03Z) - Sparsity May Cry: Let Us Fail (Current) Sparse Neural Networks Together! [100.19080749267316]
Sparsity May Cry"ベンチマーク(SMC-Bench)は、慎重に計算された4つのタスクと10のデータセットのコレクションである。
SMC-Benchは、よりスケーラブルで一般化可能なスパースアルゴリズムの開発を奨励するように設計されている。
論文 参考訳（メタデータ） (2023-03-03T18:47:21Z) - Effective Metaheuristic Based Classifiers for Multiclass Intrusion
Detection [0.0]
侵入検知は情報システムやネットワークデバイスのセキュリティにおいて重要な役割を果たす。
大量のデータを持つことは、攻撃を検出する上で重要な問題のひとつだ。
特徴選択法は、最適な特徴を選択し、最大限の精度を達成するための鍵となる役割を担っている。
論文 参考訳（メタデータ） (2022-10-06T04:56:01Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - An Ensemble Deep Convolutional Neural Network Model for Electricity
Theft Detection in Smart Grids [2.281079191664481]
電力盗難検知(EDT)アルゴリズムは、この非技術的損失(NTL)が電力システムにおいて重大な課題を引き起こす可能性があるため、一般的にそのような目的のために使用される。
本稿では,スマートグリッドにおけるETDのためのEnsemble Deep Convolutional Neural Network (EDCNN)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-10T18:27:13Z) - Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。
実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文 参考訳（メタデータ） (2021-01-28T16:38:26Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳（メタデータ） (2020-01-10T05:29:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。