論文の概要: Packet2Vec: Utilizing Word2Vec for Feature Extraction in Packet Data

• arxiv url: http://arxiv.org/abs/2004.14477v1
• Date: Wed, 29 Apr 2020 21:03:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 14:37:02.400507
• Title: Packet2Vec: Utilizing Word2Vec for Feature Extraction in Packet Data
• Title（参考訳）: Packet2Vec: パケットデータの特徴抽出にWord2Vecを使用する
• Authors: Eric L. Goodman, Chase Zimmerman, Corey Hudson
• Abstract要約: 我々はWord2Vecのアプローチを変更し、テキスト処理に使用し、それをパケットデータに適用して自動特徴抽出を行う。 2009 DARPA のネットワークデータセット上での良性対悪性トラフィックの分類作業では、受信機動作特性(ROC)の曲線(AUC)の下の領域が0.988-0.996 である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of deep learning's attractive benefits is the ability to automatically extract relevant features for a target problem from largely raw data, instead of utilizing human engineered and error prone handcrafted features. While deep learning has shown success in fields such as image classification and natural language processing, its application for feature extraction on raw network packet data for intrusion detection is largely unexplored. In this paper we modify a Word2Vec approach, used for text processing, and apply it to packet data for automatic feature extraction. We call this approach Packet2Vec. For the classification task of benign versus malicious traffic on a 2009 DARPA network data set, we obtain an area under the curve (AUC) of the receiver operating characteristic (ROC) between 0.988-0.996 and an AUC of the Precision/Recall curve between 0.604-0.667.
• Abstract（参考訳）: 深層学習の魅力的な利点の1つは、人工学的・エラーがちな手工芸的特徴ではなく、主に生のデータからターゲット問題に関連する特徴を自動的に抽出する能力である。 ディープラーニングは画像分類や自然言語処理といった分野で成功を収めているが、侵入検出のための生のネットワークパケットデータの特徴抽出への応用はほとんど未定である。 本稿では,Word2Vecを用いてテキスト処理を行い,それをパケットデータに適用して自動特徴抽出を行う。 これをPacket2Vecと呼ぶ。 2009 DARPA のネットワークデータセット上での良性対悪性トラフィックの分類タスクでは、0.988-0.996 と精度/リコール曲線 0.604-0.667 の間の受信機動作特性(ROC)の曲線(AUC)の下の領域を得る。

関連論文リスト

• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• A Two-Stage Dual-Path Framework for Text Tampering Detection and Recognition [12.639006068141528]
  深層学習の出現前は,文書改ざん検出は困難であった。 深層学習に基づくテキスト改ざん検出の分野でいくつかの探究を行った。 我々のPsタンパー検出法は,機能アシスト,監査点位置決め,タンパー認識の3段階を含む。
  論文  参考訳（メタデータ） (2024-02-21T05:54:42Z)
• Sample Complexity of Preference-Based Nonparametric Off-Policy Evaluation with Deep Networks [58.469818546042696]
  我々は、OPEのサンプル効率を人間の好みで研究し、その統計的保証を確立する。 ReLUネットワークのサイズを適切に選択することにより、マルコフ決定過程において任意の低次元多様体構造を活用できることが示される。
  論文  参考訳（メタデータ） (2023-10-16T16:27:06Z)
• Practical Edge Detection via Robust Collaborative Learning [11.176517889212015]
  エッジ検出は、幅広いビジョン指向タスクのコアコンポーネントである。 目標を達成するためには,2つの重要な問題に対処する必要がある。 非効率なトレーニング済みバックボーンからディープエッジモデルを緩和する方法。 トレーニングデータにおいて、ノイズや間違ったラベルからネガティブな影響を解放する方法。
  論文  参考訳（メタデータ） (2023-08-27T12:12:27Z)
• Dual flow fusion model for concrete surface crack segmentation [0.0]
  亀裂やその他の損傷は交通インフラの安全運用に重大な脅威をもたらす。 ディープラーニングモデルは、実用的な視覚的セグメンテーションタスクに広く応用されている。 本稿では,二重ストリームの融合に基づくひび割れ分割モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-09T02:35:58Z)
• Multimodal Multi-User Surface Recognition with the Kernel Two-Sample Test [15.051737123188174]
  分類タスクに不均一なデータソースを扱えるフレームワークを提案する。 我々のデータ逆データアプローチは,高次元空間における分布の差分を自動的に定量化する。 我々は108のサーフェスクラスを持つ標準マルチユーザーデータセットで97.2%の精度を達成し、タスクのより難しいバージョンでは最先端の機械学習アルゴリズムを6%上回った。
  論文  参考訳（メタデータ） (2023-03-08T22:58:55Z)
• Selective In-Context Data Augmentation for Intent Detection using Pointwise V-Information [100.03188187735624]
  PLMとPVI(pointwise V-information)に基づく新しい手法を導入し,モデル学習におけるデータポイントの有用性を計測する。 提案手法はまず,学習データの小さなシード上でPLMを微調整し,与えられた意図に対応する発話を新たに生成する。 そこで本手法は,大規模言語モデルの表現力を活用し,多様な学習データを生成する。
  論文  参考訳（メタデータ） (2023-02-10T07:37:49Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Identify Light-Curve Signals with Deep Learning Based Object Detection Algorithm. I. Transit Detection [4.282591407862616]
  そこで我々は,コンピュータビジョン分野におけるオブジェクト検出の枠組みに基づいた,新しい検出アルゴリズムを開発した。 このモデルでは,信号-雑音比が6より高いトランジットを同定するために,約90%の精度とリコールが得られる。 提案アルゴリズムの結果は人間の視覚知覚の直感と一致し,シングルトランジット候補を見つけるのに有用である。
  論文  参考訳（メタデータ） (2021-08-02T07:15:13Z)
• SCARF: Self-Supervised Contrastive Learning using Random Feature Corruption [72.35532598131176]
  本稿では,特徴のランダムなサブセットを乱してビューを形成するコントラスト学習手法であるSCARFを提案する。 SCARFは既存の戦略を補完し、オートエンコーダのような代替手段より優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-29T08:08:33Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。