論文の概要: Improving Scalability of Contrast Pattern Mining for Network Traffic Using Closed Patterns

• arxiv url: http://arxiv.org/abs/2011.14830v1
• Date: Mon, 16 Nov 2020 08:52:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 01:28:02.224656
• Title: Improving Scalability of Contrast Pattern Mining for Network Traffic Using Closed Patterns
• Title（参考訳）: クローズドパターンを用いたネットワークトラフィックのコントラストパターンマイニングのスケーラビリティ向上
• Authors: Elaheh AlipourChavary, Sarah M. Erfani, Christopher Leckie
• Abstract要約: コントラストパターンマイニング(CPM)は、ターゲットデータセットと比較して背景データセットからサポートが大幅に増加するパターンを発見することを目的としている。 本稿では,2つのデータセット間の有意な変化を発見するために,最も具体的なCPの集合を抽出することに焦点を当てる。 提案アルゴリズムは,ネットワークトラフィックデータに対する既存のCPMのアプローチよりも100倍高速である。
• 参考スコア（独自算出の注目度）: 27.321487770162495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contrast pattern mining (CPM) aims to discover patterns whose support increases significantly from a background dataset compared to a target dataset. CPM is particularly useful for characterising changes in evolving systems, e.g., in network traffic analysis to detect unusual activity. While most existing techniques focus on extracting either the whole set of contrast patterns (CPs) or minimal sets, the problem of efficiently finding a relevant subset of CPs, especially in high dimensional datasets, is an open challenge. In this paper, we focus on extracting the most specific set of CPs to discover significant changes between two datasets. Our approach to this problem uses closed patterns to substantially reduce redundant patterns. Our experimental results on several real and emulated network traffic datasets demonstrate that our proposed unsupervised algorithm is up to 100 times faster than an existing approach for CPM on network traffic data [2]. In addition, as an application of CPs, we demonstrate that CPM is a highly effective method for detection of meaningful changes in network traffic.
• Abstract（参考訳）: コントラストパターンマイニング(CPM)は、ターゲットデータセットと比較して背景データセットからサポートが大幅に増加するパターンを発見することを目的としている。 CPMは特に、ネットワークトラフィック分析などの進化するシステムの変化を特徴付け、異常な活動を検出するのに有用である。 既存の手法の多くはコントラストパターン全体(CP)または最小セットの抽出に重点を置いているが、特に高次元データセットにおいてCPの関連部分集合を効率的に見つけるという問題はオープンな課題である。 本稿では,2つのデータセット間の有意な変化を発見するために,cpsの最も具体的な集合の抽出に注目する。 この問題に対する我々のアプローチは、冗長パターンを著しく削減するためにクローズドパターンを使用する。 実およびエミュレートされたネットワークトラフィックデータセットに対する実験結果から,提案アルゴリズムはネットワークトラフィックデータに対する既存のCPMのアプローチの最大100倍高速であることを示す[2]。 さらに,CPの応用として,ネットワークトラフィックの有意義な変化を検出する上で,CPMが有効であることを示す。

関連論文リスト

• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• TII-SSRC-23 Dataset: Typological Exploration of Diverse Traffic Patterns for Intrusion Detection [0.5261718469769447]
  既存のデータセットは、しばしば不足しており、必要な多様性と現在のネットワーク環境との整合性が欠如している。 本稿では,これらの課題を克服するための新しい包括的データセットであるTII-SSRC-23を紹介する。
  論文  参考訳（メタデータ） (2023-09-14T05:23:36Z)
• Multi-Prompt Alignment for Multi-Source Unsupervised Domain Adaptation [86.02485817444216]
  マルチプロンプトアライメント(MPA: Multi-Prompt Alignment)は,マルチソースUDAのためのシンプルかつ効率的なフレームワークである。 MPAは、学習したプロンプトを自動エンコードプロセスで認知し、再構築されたプロンプトの合意を最大化することでそれらを調整する。 実験によると、MPAは3つの一般的なデータセットで最先端の結果を達成し、DomainNetの平均精度は54.1%である。
  論文  参考訳（メタデータ） (2022-09-30T03:40:10Z)
• Transformer-based assignment decision network for multiple object tracking [0.0]
  本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。 提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-08-06T19:47:32Z)
• Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
  補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。 この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• 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)
• UFPMP-Det: Toward Accurate and Efficient Object Detection on Drone Imagery [26.27705791338182]
  本稿では,UFPMP-Det(Unified Foreground Packing)を用いたマルチプロキシ検出ネットワーク(Multi-Proxy Detection Network)を提案する。 UFPMP-Detは、高解像度の入力画像をフォアグラウンド比の低いかなり多くのチップに分割して検出する一般的なソリューションとは異なる、非常に小さなスケールの多数のインスタンスを扱うように設計されている。 広く使われているVisDroneとUAVDTデータセットで実験が行われ、UFPMP-Detは新たな最先端スコアをはるかに高速で報告し、その利点を強調している。
  論文  参考訳（メタデータ） (2021-12-20T09:28:44Z)
• Intrusion Detection using Spatial-Temporal features based on Riemannian Manifold [1.14219428942199]
  ネットワークトラフィックデータは、異なるネットワークプロトコルの下で異なるデータバイトパケットの組み合わせである。 これらのトラフィックパケットは、複雑な時間変化の非線形関係を持つ。 既存の最先端の手法は、相関に基づいて特徴を複数のサブセットに融合することで、この課題に発展する。 これはしばしば、高い計算コストと、ネットワークトラフィックのリアルタイム処理に制限となる手動サポートを必要とする。
  論文  参考訳（メタデータ） (2021-10-31T23:50:59Z)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Deep Semantic Matching with Foreground Detection and Cycle-Consistency [103.22976097225457]
  深層ネットワークに基づく弱い教師付きセマンティックマッチングに対処する。 本研究では,背景乱れの影響を抑えるために,前景領域を明示的に推定する。 複数の画像にまたがって予測変換を強制し、幾何的に可視かつ一貫したサイクル一貫性の損失を発生させる。
  論文  参考訳（メタデータ） (2020-03-31T22:38:09Z)

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。