Fugu-MT 論文翻訳(概要): Densely Connected Residual Network for Attack Recognition

論文の概要: Densely Connected Residual Network for Attack Recognition

arxiv url: http://arxiv.org/abs/2008.02196v1
Date: Wed, 5 Aug 2020 15:50:22 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 18:58:10.304709
Title: Densely Connected Residual Network for Attack Recognition
Title（参考訳）: 攻撃認識のための密結合残差ネットワーク
Authors: Peilun Wu, Nour Moustafa, Shiyi Yang, Hui Guo
Abstract要約: 攻撃認識のための密結合残差ネットワーク(Densely-ResNet)を提案する。我々の評価は、Densely-ResNetがエッジ層、霧層、雲層に現れる様々な未知の脅威を正確に発見できることを示している。
参考スコア（独自算出の注目度）: 6.72910827751713
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: High false alarm rate and low detection rate are the major sticking points for unknown threat perception. To address the problems, in the paper, we present a densely connected residual network (Densely-ResNet) for attack recognition. Densely-ResNet is built with several basic residual units, where each of them consists of a series of Conv-GRU subnets by wide connections. Our evaluation shows that Densely-ResNet can accurately discover various unknown threats that appear in edge, fog and cloud layers and simultaneously maintain a much lower false alarm rate than existing algorithms.
Abstract（参考訳）: 誤報率と検出率の低いことが、未知の脅威知覚の主要なスタンディングポイントである。この問題に対処するため,本稿では,攻撃認識のための密結合残差ネットワーク(densely-resnet)を提案する。 Densely-ResNetはいくつかの基本ユニットで構築されており、それぞれが広い接続で一連のConv-GRUサブネットで構成されている。評価の結果,エッジ層,霧層,雲層に現れる未知の脅威を正確に検出でき,既存のアルゴリズムよりもはるかに低い誤報率を維持できることがわかった。

関連論文リスト

SCGNet-Stacked Convolution with Gated Recurrent Unit Network for Cyber Network Intrusion Detection and Intrusion Type Classification [0.0]
侵入検知システム(IDS)は、複雑で多様なネットワーク攻撃を迅速かつ効率的に識別できるものではない。 SCGNetは,本研究で提案する新しいディープラーニングアーキテクチャである。 NSL-KDDデータセットは、それぞれ99.76%と98.92%の精度で、ネットワーク攻撃検出と攻撃タイプ分類の両方で有望な結果を示す。
論文参考訳（メタデータ） (2024-10-29T09:09:08Z)
NetSafe: Exploring the Topological Safety of Multi-agent Networks [22.033551405492553]
本稿では, トポロジ的観点からのマルチエージェントネットワークの安全性に着目した。マルチエージェントネットワークが誤情報、偏見、有害な情報を含む攻撃にさらされる際のいくつかの重要な現象を同定する。高度に接続されたネットワークは敵の攻撃の拡散の影響を受けやすく、スターグラフのトポロジーにおけるタスクパフォーマンスは29.7%低下している。
論文参考訳（メタデータ） (2024-10-21T06:54:27Z)
Exploring Geometry of Blind Spots in Vision Models [56.47644447201878]
CNNやトランスフォーマーのような視覚モデルにおける過敏性の現象について検討する。本稿では,入力空間に対する信頼度の高い領域を反復的に探索するレベルセットトラバースアルゴリズムを提案する。モデルが高い信頼度を維持するこれらの連結高次元領域の範囲を推定する。
論文参考訳（メタデータ） (2023-10-30T18:00:33Z)
Unfolding Local Growth Rate Estimates for (Almost) Perfect Adversarial Detection [22.99930028876662]
畳み込みニューラルネットワーク(CNN)は、多くの知覚的タスクにおける最先端のソリューションを定義する。現在のCNNアプローチは、システムを騙すために特別に作られた入力の敵の摂動に対して脆弱なままである。本稿では,ネットワークの局所固有次元(LID)と敵攻撃の関係について,最近の知見を生かした,シンプルで軽量な検出器を提案する。
論文参考訳（メタデータ） (2022-12-13T17:51:32Z)
Few-shot Network Anomaly Detection via Cross-network Meta-learning [45.8111239825361]
GDN(Graph Deviation Networks)という新しいタイプのグラフニューラルネットワークを提案します。 GDNは少数のラベル付き異常を利用して、ネットワーク上の異常ノードと正常ノードの間に統計的に有意なずれを生じさせる。提案したGDNを新しいクロスネットワークメタラーニングアルゴリズムで実装し,マルチショットネットワーク異常検出を実現した。
論文参考訳（メタデータ） (2021-02-22T16:42:37Z)
D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
論文参考訳（メタデータ） (2020-12-03T10:54:02Z)
Enhancing Robustness Against Adversarial Examples in Network Intrusion Detection Systems [1.7386735294534732]
RePOは、異なるタイプのネットワーク攻撃を偽の警告設定で検出できるオートエンコーダを識別する助けを借りて、NIDSを構築するための新しいメカニズムである。評価の結果,悪質なトラフィックの検出は,通常設定では最大29%,対向設定では最大45%改善できることがわかった。
論文参考訳（メタデータ） (2020-08-09T07:04:06Z)
Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
論文参考訳（メタデータ） (2020-07-28T19:00:40Z)
ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
論文参考訳（メタデータ） (2020-06-28T23:09:27Z)
Detecting Communities in Heterogeneous Multi-Relational Networks:A Message Passing based Approach [89.19237792558687]
コミュニティは、ソーシャルネットワーク、生物学的ネットワーク、コンピュータおよび情報ネットワークを含むネットワークの共通の特徴である。我々は,全同種ネットワークのコミュニティを同時に検出する効率的なメッセージパッシングに基づくアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-06T17:36:24Z)
Firearm Detection and Segmentation Using an Ensemble of Semantic Neural Networks [62.997667081978825]
本稿では,意味的畳み込みニューラルネットワークのアンサンブルに基づく兵器検出システムを提案する。特定のタスクに特化した単純なニューラルネットワークのセットは、計算リソースを少なくし、並列にトレーニングすることができる。個々のネットワークの出力の集約によって与えられるシステムの全体的な出力は、ユーザが偽陽性と偽陰性とをトレードオフするように調整することができる。
論文参考訳（メタデータ） (2020-02-11T13:58:16Z)

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。