Fugu-MT 論文翻訳(概要): Image Classifiers for Network Intrusions

論文の概要: Image Classifiers for Network Intrusions

arxiv url: http://arxiv.org/abs/2103.07765v1
Date: Sat, 13 Mar 2021 18:09:08 GMT
ステータス: 処理完了
システム内更新日: 2021-03-17 08:58:20.034719
Title: Image Classifiers for Network Intrusions
Title（参考訳）: ネットワーク侵入のための画像分類器
Authors: David A. Noever, Samantha E. Miller Noever
Abstract要約: 本研究では,UNSW-NB15のネットワーク攻撃データセットを画像空間における侵入検出問題として再構成する。 1ホットエンコードを使用して、得られたグレースケールサムネイルは、ディープラーニングアルゴリズムの4分の1の例を提供します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This research recasts the network attack dataset from UNSW-NB15 as an intrusion detection problem in image space. Using one-hot-encodings, the resulting grayscale thumbnails provide a quarter-million examples for deep learning algorithms. Applying the MobileNetV2's convolutional neural network architecture, the work demonstrates a 97% accuracy in distinguishing normal and attack traffic. Further class refinements to 9 individual attack families (exploits, worms, shellcodes) show an overall 56% accuracy. Using feature importance rank, a random forest solution on subsets show the most important source-destination factors and the least important ones as mainly obscure protocols. The dataset is available on Kaggle.
Abstract（参考訳）: 本研究では,UNSW-NB15のネットワーク攻撃データセットを画像空間の侵入検出問題として再放送する。 1ホットエンコーディングを使うことで、グレースケールのサムネイルはディープラーニングアルゴリズムの4分の1の例を提供する。 MobileNetV2の畳み込みニューラルネットワークアーキテクチャを適用することで、通常のトラフィックとアタックトラフィックを区別する精度が97%向上した。 9つの攻撃ファミリー(爆発、ワーム、シェルコード)に対するさらなるクラス改良は、全体の56%の精度を示している。特徴の重要度ランクを用いることで、サブセット上のランダムフォレストソリューションは、主にあいまいなプロトコルとして最も重要なソース運命要因と最重要でない要素を示す。データセットはKaggleで入手できる。

関連論文リスト

Multi-class Network Intrusion Detection with Class Imbalance via LSTM & SMOTE [1.0591656257413806]
本稿では,様々な種類のネットワーク侵入を検出するために,オーバーサンプリング手法と適切な損失関数を用いたクラス不均衡処理を提案する。我々のディープラーニングモデルは、ネットワーク攻撃のマルチクラス分類を行うために、完全に接続された層を持つLSTMを使用している。
論文参考訳（メタデータ） (2023-10-03T07:28:04Z)
Diffused Redundancy in Pre-trained Representations [98.55546694886819]
事前訓練された表現で機能がどのようにコード化されているか、より詳しく見ていきます。与えられた層における学習された表現は拡散冗長性を示す。我々の発見は、事前訓練されたディープニューラルネットワークによって学習された表現の性質に光を当てた。
論文参考訳（メタデータ） (2023-05-31T21:00:50Z)
Deep Neural Networks based Meta-Learning for Network Intrusion Detection [0.24466725954625884]
産業の異なるコンポーネントのデジタル化と先住民ネットワーク間の相互接続性は、ネットワーク攻撃のリスクを高めている。コンピュータネットワークの予測モデルを構築するために使用されるデータには、スキュークラス分布と攻撃型の限定表現がある。 Information Fusion and Stacking Ensemble (INFUSE) という,ネットワーク侵入検出のための新しいディープニューラルネットワークベースのメタラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2023-02-18T18:00:05Z)
Graph Neural Networks for Decentralized Multi-Agent Perimeter Defense [111.9039128130633]
我々は,防御者の地域認識とコミュニケーショングラフから行動へのマッピングを学習する模倣学習フレームワークを開発した。学習ネットワークの性能を実証するために、異なるチームサイズと構成のシナリオで周辺防衛ゲームを実行します。
論文参考訳（メタデータ） (2023-01-23T19:35:59Z)
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)
Dimensionality of datasets in object detection networks [0.5801044612920815]
畳み込みニューラルネットワーク(CNN)は、コンピュータビジョンにおける多くのタスクで使用される。そのうちの1つは、自律運転のための物体検出である。我々のゴールは、拡張データセットのオブジェクト検出ネットワークの精度に及ぼす固有次元(つまり、データを表すのに必要なパラメータの最小値)の影響を決定することである。
論文参考訳（メタデータ） (2022-10-13T14:19:16Z)
Spatio-Temporal Inception Graph Convolutional Networks for Skeleton-Based Action Recognition [126.51241919472356]
我々はスケルトンに基づく行動認識のためのシンプルで高度にモジュール化されたグラフ畳み込みネットワークアーキテクチャを設計する。ネットワークは,空間的および時間的経路から多粒度情報を集約するビルディングブロックを繰り返すことで構築される。
論文参考訳（メタデータ） (2020-11-26T14:43:04Z)
Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
論文参考訳（メタデータ） (2020-10-22T12:32:29Z)
Information Obfuscation of Graph Neural Networks [96.8421624921384]
本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
論文参考訳（メタデータ） (2020-09-28T17:55:04Z)
Efficient Integer-Arithmetic-Only Convolutional Neural Networks [87.01739569518513]
我々は従来のReLUを境界ReLUに置き換え、その減少は活性化量子化によるものであることを示す。我々の整数ネットワークは、対応するFPNネットワークと同等の性能を発揮するが、メモリコストは1/4に過ぎず、最新のGPUでは2倍高速である。
論文参考訳（メタデータ） (2020-06-21T08:23:03Z)
Non-Intrusive Detection of Adversarial Deep Learning Attacks via Observer Networks [5.4572790062292125]
近年の研究では、深層学習モデルは逆入力に弱いことが示されている。本稿では,主分類網を複数のバイナリ検出器で拡張することにより,逆入力を検出する新しい手法を提案する。我々は、MNISTデータセットで99.5%、CIFAR-10データセットで97.5%の精度で検出する。
論文参考訳（メタデータ） (2020-02-22T21:13:00Z)

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。