論文の概要: Machine learning on knowledge graphs for context-aware security monitoring

• arxiv url: http://arxiv.org/abs/2105.08741v1
• Date: Tue, 18 May 2021 18:00:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 01:20:37.549557
• Title: Machine learning on knowledge graphs for context-aware security monitoring
• Title（参考訳）: コンテキストアウェアセキュリティ監視のための知識グラフ上の機械学習
• Authors: Josep Soler Garrido, Dominik Dold, Johannes Frank
• Abstract要約: 本稿では,侵入検知のための知識グラフへの機械学習の適用について論じる。 産業システムにおける異常な活動を評価するためのリンク予測手法を実験的に評価した。 提案手法は,様々なシナリオにおいて,直感的によく校正され,解釈可能なアラートを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Machine learning techniques are gaining attention in the context of intrusion detection due to the increasing amounts of data generated by monitoring tools, as well as the sophistication displayed by attackers in hiding their activity. However, existing methods often exhibit important limitations in terms of the quantity and relevance of the generated alerts. Recently, knowledge graphs are finding application in the cybersecurity domain, showing the potential to alleviate some of these drawbacks thanks to their ability to seamlessly integrate data from multiple domains using human-understandable vocabularies. We discuss the application of machine learning on knowledge graphs for intrusion detection and experimentally evaluate a link-prediction method for scoring anomalous activity in industrial systems. After initial unsupervised training, the proposed method is shown to produce intuitively well-calibrated and interpretable alerts in a diverse range of scenarios, hinting at the potential benefits of relational machine learning on knowledge graphs for intrusion detection purposes.
• Abstract（参考訳）: 監視ツールが生成するデータ量の増加や、攻撃者が活動を隠す際の洗練度の高さから、機械学習技術は侵入検出の文脈で注目を集めている。 しかし、既存の手法は、生成されたアラートの量と関連性の観点から、しばしば重要な制限を示す。 近年、知識グラフはサイバーセキュリティ分野の応用を見つけており、人間の理解可能な語彙を使って複数のドメインからのデータをシームレスに統合する能力によって、これらの欠点のいくつかを緩和する可能性を示している。 産業システムにおける異常な活動を評価するためのリンク予測手法を実験的に評価し, 侵入検知のための知識グラフへの機械学習の適用について検討する。 初期教師なし訓練の後,提案手法は様々なシナリオにおいて直感的によく校正され,解釈可能な警告を生成することを示し,侵入検出目的の知識グラフに対するリレーショナル機械学習の潜在的メリットを示唆している。

関連論文リスト

• AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
  本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。 本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。 本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
  論文  参考訳（メタデータ） (2023-12-18T12:37:35Z)
• A Survey of Graph Unlearning [11.841882902141696]
  グラフアンラーニングは、トレーニングされたモデルからセンシティブなデータトレースを取り除き、忘れられる権利を維持する手段を提供する。 本稿では,多種多様な方法論を包含したグラフアンラーニング手法の体系的レビューを行う。 我々は、ソーシャルネットワーク、敵対的設定、リソース制約のある環境など、さまざまな領域にわたるグラフアンラーニングの汎用性について検討する。
  論文  参考訳（メタデータ） (2023-08-23T20:50:52Z)
• Detection, Explanation and Filtering of Cyber Attacks Combining Symbolic and Sub-Symbolic Methods [0.0]
  我々は、ドメイン知識を取り入れたサイバーセキュリティの分野で、象徴的およびサブシンボル的手法の組み合わせを検討している。 提案手法は,様々なシナリオに対するアラートの直感的な説明を生成する。 説明はアラートに関する深い洞察を提供するだけでなく、偽陽性の警告を66%、忠実度メトリックを含めると93%減少させる。
  論文  参考訳（メタデータ） (2022-12-23T09:03:51Z)
• Robustness Evaluation of Deep Unsupervised Learning Algorithms for Intrusion Detection Systems [0.0]
  本稿では, 汚染データに対する侵入検出のための6つの最新のディープラーニングアルゴリズムの堅牢性を評価する。 本研究で用いた最先端のアルゴリズムは,データ汚染に敏感であり,データ摂動に対する自己防衛の重要性を明らかにしている。
  論文  参考訳（メタデータ） (2022-06-25T02:28:39Z)
• Context-Dependent Anomaly Detection with Knowledge Graph Embedding Models [0.0]
  本研究では,コンテキスト依存型異常検出問題をリンク予測問題に変換するフレームワークを開発する。 本研究では,文脈依存型異常を高い精度で検出できることを示す。
  論文  参考訳（メタデータ） (2022-03-17T14:36:12Z)
• Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
  この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。 コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
  論文  参考訳（メタデータ） (2021-09-07T21:24:36Z)
• Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification [101.49122450005869]
  本稿では,因果推論に基づくより効果的な注意力学習法を提案する。 具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。 本手法は,広範囲の粒度認識タスクにおいて評価する。
  論文  参考訳（メタデータ） (2021-08-19T14:53:40Z)
• 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)
• Any-Shot Sequential Anomaly Detection in Surveillance Videos [36.24563211765782]
  本稿では,トランスファーラーニングとノンショットラーニングを用いた監視ビデオのオンライン異常検出手法を提案する。 提案アルゴリズムは,トランスファー学習のためのニューラルネットワークモデルの特徴抽出能力と,統計的検出手法のノンショット学習能力を利用する。
  論文  参考訳（メタデータ） (2020-04-05T02:15:45Z)
• Graph Representation Learning via Graphical Mutual Information Maximization [86.32278001019854]
  本稿では,入力グラフとハイレベルな隠蔽表現との相関を測る新しい概念であるGMIを提案する。 我々は,グラフニューラルエンコーダの入力と出力の間でGMIを最大化することで訓練された教師なし学習モデルを開発する。
  論文  参考訳（メタデータ） (2020-02-04T08:33:49Z)
• 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)

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。