論文の概要: A New Intrusion Detection System using the Improved Dendritic Cell Algorithm

• arxiv url: http://arxiv.org/abs/2004.09274v1
• Date: Wed, 15 Apr 2020 09:21:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 02:46:18.650381
• Title: A New Intrusion Detection System using the Improved Dendritic Cell Algorithm
• Title（参考訳）: 改良型樹状細胞アルゴリズムを用いた新しい侵入検出システム
• Authors: Ehsan Farzadnia, Hossein Shirazi, Alireza Nowroozi
• Abstract要約: 新たな進化アルゴリズムの1つである樹状細胞アルゴリズム(DCA)は、樹状細胞(DCs)として知られる特定の免疫剤の挙動に基づいている。 本稿では,ネットワーク侵入検知問題における防御シールドとなる半教師付き分類器として機能する免疫誘導機構の新たなバージョンを提供することを目的とする。
• 参考スコア（独自算出の注目度）: 0.4297070083645048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Dendritic Cell Algorithm (DCA) as one of the emerging evolutionary algorithms is based on the behavior of the specific immune agents; known as Dendritic Cells (DCs). DCA has several potentially beneficial features for binary classification problems. In this paper, we aim at providing a new version of this immune-inspired mechanism acts as a semi-supervised classifier which can be a defensive shield in network intrusion detection problem. Till now, no strategy or idea has already been adopted on the GetAntigen() function on detection phase, but randomly sampling entails the DCA to provide undesirable results in several cycles in each time. This leads to uncertainty. Whereas it must be accomplished by biological behaviors of DCs in tissues, we have proposed a novel strategy which exactly acts based on its immunological functionalities of dendritic cells. The proposed mechanism focuses on two items: First, to obviate the challenge of needing to have a preordered antigen set for computing danger signal, and the second, to provide a novel immune-inspired idea in order to non-random data sampling. A variable functional migration threshold is also computed cycle by cycle that shows necessity of the Migration threshold (MT) flexibility. A significant criterion so called capability of intrusion detection (CID) used for tests. All of the tests have been performed in a new benchmark dataset named UNSW-NB15. Experimental consequences demonstrate that the present schema dominates the standard DCA and has higher CID in comparison with other approaches found in literature.
• Abstract（参考訳）: 新たな進化アルゴリズムの1つである樹状細胞アルゴリズム(DCA)は、樹状細胞(DCs)として知られる特定の免疫剤の挙動に基づいている。 DCAには、二項分類問題に有効ないくつかの特徴がある。 本稿では,ネットワーク侵入検知問題における防御シールドとなる半教師付き分類器として機能する免疫誘導機構の新バージョンの提供を目的とする。 今のところ、検出フェーズでGetAntigen()関数に戦略やアイデアは採用されていないが、ランダムにサンプリングすることで、複数のサイクルで望ましくない結果が得られる。 これは不確実性につながる。 組織中のdcsの生物学的挙動によって達成される必要があるが、樹状細胞の免疫学的機能に基づいて正確に作用する新しい戦略を提案する。 提案するメカニズムは2つの項目に焦点をあてる: 第一に、危険信号を計算するための事前の抗原セットを持つことの難しさを回避し、第二に、非ランダムなデータサンプリングのために、新しい免疫に触発されたアイデアを提供する。 可変機能移行しきい値もまた、移行しきい値(MT)の柔軟性の必要性を示すサイクルごとに計算される。 テストに使用される侵入検知能力(CID)と呼ばれる重要な基準。 すべてのテストはUNSW-NB15という新しいベンチマークデータセットで実施された。 実験結果から,本スキーマが標準DCAを支配し,文献上の他のアプローチと比較して高いCIDを有することが示された。

関連論文リスト

• Selective Test-Time Adaptation for Unsupervised Anomaly Detection using Neural Implicit Representations [3.3834108313265916]
  テスト時間適応は、目に見えないドメインに対するディープラーニングモデルを最適化するための有望なアプローチを提供する。 本稿では, 事前学習した深部特徴の特徴を生かした, 選択的テスト時間適応の概念を提案する。 我々の戦略は、複数の条件と異なる目標分布に対する検出精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-10-04T10:43:34Z)
• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Comprehensive Botnet Detection by Mitigating Adversarial Attacks, Navigating the Subtleties of Perturbation Distances and Fortifying Predictions with Conformal Layers [1.6001193161043425]
  ボットネット(Botnet)は、悪意あるアクターによって制御されるコンピュータネットワークで、重要なサイバーセキュリティ上の課題を提示する。 本研究は、機械学習ベースのボットネット検出システムを弱体化させることを目的として、攻撃者が引き起こす高度な敵操作に対処する。 ISCXデータセットとISOTデータセットに基づいてトレーニングされた機械学習とディープラーニングアルゴリズムを活用するフローベース検出アプローチを導入する。
  論文  参考訳（メタデータ） (2024-09-01T08:53:21Z)
• Domain Adaptive and Fine-grained Anomaly Detection for Single-cell Sequencing Data and Beyond [4.4136780724044735]
  ACSleuthは, 異常細胞の検出, ドメイン適応, 微粒化アノテートを方法論的に結合したワークフローに統合した, 新規な再構成逸脱誘導型生成フレームワークである。 この分析により, ACSleuth における新規かつ優れた平均誤差に基づく異常スコアリングの開発が可能となった。
  論文  参考訳（メタデータ） (2024-04-26T14:48:24Z)
• MTS-DVGAN: Anomaly Detection in Cyber-Physical Systems using a Dual Variational Generative Adversarial Network [7.889342625283858]
  深層生成モデルは、ラベル付き情報に頼ることなく、サイバー物理システム(CPS)の脆弱性を軽減し、新しいサイバー物理攻撃を検出することを約束している。 本稿では、MST-DVGANという、教師なし二重変分生成対向モデルを提案する。 中心となる概念は、再構成された異常サンプルと正常なサンプルとの区別を広げることで、モデルの識別能力を高めることである。
  論文  参考訳（メタデータ） (2023-11-04T11:19:03Z)
• Activate and Reject: Towards Safe Domain Generalization under Category Shift [71.95548187205736]
  カテゴリーシフト(DGCS)下における領域一般化の実践的問題について検討する。 未知のクラスサンプルを同時に検出し、ターゲットドメイン内の既知のクラスサンプルを分類することを目的としている。 従来のDGと比較すると,1)ソースクラスのみを用いたトレーニングにおいて,未知の概念を学習する方法,2)ソーストレーニングされたモデルを未知の環境に適応する方法,の2つの新しい課題に直面している。
  論文  参考訳（メタデータ） (2023-10-07T07:53:12Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• A Large-scale Multiple-objective Method for Black-box Attack against Object Detection [70.00150794625053]
  我々は、真正の確率を最小化し、偽正の確率を最大化し、より多くの偽正の物体が新しい真正の有界箱を作らないようにする。 我々は、GARSDCと呼ばれるランダム・サブセット選択とディバイド・アンド・コンカーによる標準的な遺伝的アルゴリズムを拡張し、効率を大幅に改善する。 最先端攻撃法と比較して、GARSDCはmAPでは平均12.0、広範囲な実験ではクエリでは約1000倍減少する。
  論文  参考訳（メタデータ） (2022-09-16T08:36:42Z)
• Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
  本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。 シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-29T22:30:32Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Regularized Cycle Consistent Generative Adversarial Network for Anomaly Detection [5.457279006229213]
  本稿では, ニューラルネットワークを逆向きに訓練し, 異常なサンプルをよりよく認識するRCGAN(Regularized Cycle Consistent Generative Adversarial Network)を提案する。 実世界のデータと合成データの両方に対する実験結果から,我々のモデルが過去の異常検出ベンチマークにおいて有意かつ一貫した改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-01-18T03:35:05Z)

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。