Fugu-MT 論文翻訳(概要): Attention-Based Self-Supervised Feature Learning for Security Data

論文の概要: Attention-Based Self-Supervised Feature Learning for Security Data

arxiv url: http://arxiv.org/abs/2003.10639v1
Date: Tue, 24 Mar 2020 03:37:02 GMT
ステータス: 処理完了
システム内更新日: 2022-12-20 09:34:23.917073
Title: Attention-Based Self-Supervised Feature Learning for Security Data
Title（参考訳）: セキュリティデータに対する注意に基づく自己監視型特徴学習
Authors: I-Ta Lee, Manish Marwah, and Martin Arlitt
Abstract要約: 我々は、サイバーセキュリティアプリケーションで日常的に使用されるデータの埋め込みを学習するために、注意を向けた自己教師付きシーケンス・ツー・シーケンスモデルを設計する。学習した特徴は異常検出モデルで使用され、ベースライン法から学んだ特徴よりも優れた性能を発揮する。
参考スコア（独自算出の注目度）: 4.5497948012757865
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: While applications of machine learning in cyber-security have grown rapidly, most models use manually constructed features. This manual approach is error-prone and requires domain expertise. In this paper, we design a self-supervised sequence-to-sequence model with attention to learn an embedding for data routinely used in cyber-security applications. The method is validated on two real world public data sets. The learned features are used in an anomaly detection model and perform better than learned features from baseline methods.
Abstract（参考訳）: サイバーセキュリティにおける機械学習の応用は急速に増加しているが、ほとんどのモデルは手動で構築された機能を使用している。この手動アプローチはエラーを起こしやすく、ドメインの専門知識を必要とする。本稿では,サイバーセキュリティアプリケーションで日常的に使用されるデータの埋め込みを学習するために,自己教師付きシーケンス・ツー・シーケンスモデルを設計する。この方法は2つの実世界の公開データセットで検証される。学習された機能は異常検出モデルで使われ、ベースラインメソッドから学んだ機能よりも優れたパフォーマンスを示す。

関連論文リスト

PILOT: A Pre-Trained Model-Based Continual Learning Toolbox [71.63186089279218]
本稿では,PILOTとして知られるモデルベース連続学習ツールボックスについて紹介する。一方、PILOTはL2P、DualPrompt、CODA-Promptといった事前学習モデルに基づいて、最先端のクラスインクリメンタル学習アルゴリズムを実装している。一方、PILOTは、事前学習されたモデルの文脈に典型的なクラス増分学習アルゴリズムを適合させ、それらの効果を評価する。
論文参考訳（メタデータ） (2023-09-13T17:55:11Z)
Unsupervised 3D registration through optimization-guided cyclical self-training [71.75057371518093]
最先端のディープラーニングベースの登録方法は、3つの異なる学習戦略を採用している。本稿では,教師なし登録のための自己指導型学習パラダイムを提案する。腹部, 肺の登録方法の評価を行い, 測定基準に基づく監督を一貫して上回り, 最先端の競争相手よりも優れていた。
論文参考訳（メタデータ） (2023-06-29T14:54:10Z)
Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
論文参考訳（メタデータ） (2023-06-06T14:23:34Z)
Knowledge Augmented Machine Learning with Applications in Autonomous Driving: A Survey [37.84106999449108]
この研究は、データ駆動モデルと既存の知識を組み合わせた既存の技術と手法の概要を提供する。同定されたアプローチは、知識の統合、抽出、整合性に応じて構成される。特に、自律運転分野における提案手法の適用について述べる。
論文参考訳（メタデータ） (2022-05-10T07:25:32Z)
Learning to Detect: A Data-driven Approach for Network Intrusion Detection [17.288512506016612]
ネットワークトラフィックデータセットであるNSL-KDDについて、パターンを可視化し、異なる学習モデルを用いてサイバー攻撃を検出することで包括的な研究を行う。侵入検知に単一学習モデルアプローチを用いた従来の浅層学習モデルや深層学習モデルとは異なり、階層戦略を採用する。バイナリ侵入検出タスクにおける教師なし表現学習モデルの利点を実証する。
論文参考訳（メタデータ） (2021-08-18T21:19:26Z)
SOME/IP Intrusion Detection using Deep Learning-based Sequential Models in Automotive Ethernet Networks [2.3204135551124407]
侵入検知システムはサイバー攻撃を検出するために広く利用されている。本稿では,SOME/IPプロトコル上でのオフライン侵入検出のための深層学習に基づくシーケンシャルモデルを提案する。
論文参考訳（メタデータ） (2021-08-04T09:58:06Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
CyberLearning: Effectiveness Analysis of Machine Learning Security Modeling to Detect Cyber-Anomalies and Multi-Attacks [5.672898304129217]
サイバーラーニング(CyberLearning)は、相関機能選択による機械学習ベースのサイバーセキュリティモデリングである。本稿では,異常検出のためのバイナリ分類モデルと,各種サイバー攻撃に対するマルチクラス分類モデルについて考察する。次に、複数の隠蔽層を考慮した人工知能ニューラルネットワークベースのセキュリティモデルを提案する。
論文参考訳（メタデータ） (2021-03-28T18:47:16Z)
Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses [150.64470864162556]
この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
論文参考訳（メタデータ） (2020-12-18T22:38:47Z)
Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文参考訳（メタデータ） (2020-12-15T16:29:49Z)
A Generative Model based Adversarial Security of Deep Learning and Linear Classifier Models [0.0]
我々は,オートエンコーダモデルを用いた機械学習モデルに対する敵攻撃の軽減手法を提案する。機械学習モデルに対する敵対的攻撃の背後にある主な考え方は、トレーニングされたモデルを操作することによって誤った結果を生成することである。また、ディープニューラルネットワークから従来のアルゴリズムに至るまで、様々な攻撃手法に対するオートエンコーダモデルの性能についても紹介した。
論文参考訳（メタデータ） (2020-10-17T17:18:17Z)

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。