Fugu-MT 論文翻訳(概要): ZYELL-NCTU NetTraffic-1.0: A Large-Scale Dataset for Real-World Network Anomaly Detection

論文の概要: ZYELL-NCTU NetTraffic-1.0: A Large-Scale Dataset for Real-World Network Anomaly Detection

arxiv url: http://arxiv.org/abs/2103.05767v1
Date: Mon, 8 Mar 2021 15:18:29 GMT
ステータス: 処理完了
システム内更新日: 2021-03-11 15:02:32.834935
Title: ZYELL-NCTU NetTraffic-1.0: A Large-Scale Dataset for Real-World Network Anomaly Detection
Title（参考訳）: zyell-nctu nettraffic-1.0:実世界のネットワーク異常検出のための大規模データセット
Authors: Lei Chen, Shao-En Weng, Chu-Jun Peng, Hong-Han Shuai, and Wen-Huang Cheng
Abstract要約: 本研究では,ファイアウォールの生出力から実ネットワーク上で収集した,新たな大規模かつ実世界のデータセットであるZYELL-NCTU NetTraffic-1.0を導入する。
参考スコア（独自算出の注目度）: 23.351699149215776
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Network security has been an active research topic for long. One critical issue is improving the anomaly detection capability of intrusion detection systems (IDSs), such as firewalls. However, existing network anomaly datasets are out of date (i.e., being collected many years ago) or IP-anonymized, making the data characteristics differ from today's network. Therefore, this work introduces a new, large-scale, and real-world dataset, ZYELL-NCTU NetTraffic-1.0, which is collected from the raw output of firewalls in a real network, with the objective to advance the development of network security researches.
Abstract（参考訳）: ネットワークセキュリティは長い間、活発な研究テーマでした。重要な問題の1つは、ファイアウォールなどの侵入検出システム(IDS)の異常検出能力を改善することです。しかし、既存のネットワーク異常データセット(例えば、何年も前に収集された)やip匿名化が進んでおり、現在のネットワークとはデータ特性が異なる。そこで本研究では,ネットワークセキュリティ研究の進展を目的とした,ファイアウォールの生出力から収集した,大規模かつ現実的な新たなデータセットであるZYELL-NCTU NetTraffic-1.0を導入する。

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)
CESNET-TimeSeries24: Time Series Dataset for Network Traffic Anomaly Detection and Forecasting [0.0]
本書では,ネットワークエンティティの動作の時系列データを構成するデータセットを紹介する。データセットは、275万のアクティブIPアドレスの40週間のネットワークトラフィックから作成されました。予測に基づく異常検出アプローチの実践的展開に関する貴重な洞察を提供する。
論文参考訳（メタデータ） (2024-09-27T16:10:11Z)
A Self-Supervised Task for Fault Detection in Satellite Multivariate Time Series [45.31237646796715]
この研究は、複雑な分布と高次元分布をモデル化する能力で有名な物理インフォームドリアルNVPニューラルネットワークを活用する新しいアプローチを提案する。実験には、セルフスーパービジョンによる事前トレーニング、マルチタスク学習、スタンドアロンのセルフ教師付きトレーニングなど、さまざまな構成が含まれている。結果は、すべての設定で大幅にパフォーマンスが向上したことを示している。
論文参考訳（メタデータ） (2024-07-03T07:19:41Z)
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)
Anomaly Detection Dataset for Industrial Control Systems [1.2234742322758418]
産業制御システム(ICS)はサイバー攻撃の対象となり、ますます脆弱になりつつある。機械学習アルゴリズムを評価するのに適したデータセットがないことは、課題である。本稿では、教師付きおよび教師なしMLベースのIDS評価のためのネットワークデータとプロセス状態変数ログを提供する「ICS-Flow」データセットを提案する。
論文参考訳（メタデータ） (2023-05-11T14:52:19Z)
Leveraging a Probabilistic PCA Model to Understand the Multivariate Statistical Network Monitoring Framework for Network Security Anomaly Detection [64.1680666036655]
確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。 2つの異なるデータセットを用いて数学的モデルを評価した。
論文参考訳（メタデータ） (2023-02-02T13:41:18Z)
CPFN: Cascaded Primitive Fitting Networks for High-Resolution Point Clouds [51.47100091540298]
本稿では,グローバルおよびローカルなプリミティブ検出ネットワークの検出結果をアダプティブパッチサンプリングネットワークに依存したCPFN(Cascaded Primitive Fitting Networks)を提案する。 CPFNは、高解像度のポイントクラウドデータセット上で、最先端のSPFNのパフォーマンスを13-14%改善し、特に20-22%の微細プリミティブの検出を改善している。
論文参考訳（メタデータ） (2021-08-31T23:27:33Z)
Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文参考訳（メタデータ） (2021-02-27T03:17:20Z)
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)
Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文参考訳（メタデータ） (2020-01-27T11:21:05Z)
Pelican: A Deep Residual Network for Network Intrusion Detection [7.562843347215287]
我々は、特別に設計された残留ブロックの上に構築されたディープニューラルネットワークであるペリカンを提案する。ペリカンは、非常に低い誤報率を維持しながら、高い攻撃検出性能を達成することができる。
論文参考訳（メタデータ） (2020-01-19T05:07:48Z)

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。