Fugu-MT 論文翻訳(概要): Feature selection for intrusion detection systems

論文の概要: Feature selection for intrusion detection systems

arxiv url: http://arxiv.org/abs/2106.14941v1
Date: Mon, 28 Jun 2021 18:53:21 GMT
ステータス: 処理完了
システム内更新日: 2021-06-30 15:16:33.838419
Title: Feature selection for intrusion detection systems
Title（参考訳）: 侵入検知システムの特徴選択
Authors: Firuz Kamalov, Sherif Moussa, Rita Zgheib, Omar Mashaal
Abstract要約: 本稿では,連続的な入力特徴と離散的目標値を考える上での課題に対処する特徴選択手法を提案する。我々は、DDoS信号と良性信号の区別において、99.9%の精度を達成できる、機械学習に基づく高精度な検出システムを開発するために、我々の研究結果を用いている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we analyze existing feature selection methods to identify the key elements of network traffic data that allow intrusion detection. In addition, we propose a new feature selection method that addresses the challenge of considering continuous input features and discrete target values. We show that the proposed method performs well against the benchmark selection methods. We use our findings to develop a highly effective machine learning-based detection systems that achieves 99.9% accuracy in distinguishing between DDoS and benign signals. We believe that our results can be useful to experts who are interested in designing and building automated intrusion detection systems.
Abstract（参考訳）: 本稿では,既存の特徴選択手法を解析して,侵入検出が可能なネットワークトラフィックデータのキー要素を同定する。さらに,連続的な入力特徴と離散的目標値を考える上での課題に対処する特徴選択手法を提案する。提案手法がベンチマーク選択手法に対して有効であることを示す。我々は,ddos信号と良性信号の区別において,99.9%の精度を達成する機械学習に基づく検出システムを開発した。自動侵入検知システムの設計と構築に関心のある専門家にとって,この結果が有用であると信じている。

関連論文リスト

Detection-Rate-Emphasized Multi-objective Evolutionary Feature Selection for Network Intrusion Detection [21.104686670216445]
ネットワーク侵入検出における特徴選択問題を3目的最適化問題としてモデル化するDR-MOFSを提案する。ほとんどの場合、提案手法は従来の手法、すなわちより少ない特徴、より高い精度と検出率を達成できる。
論文参考訳（メタデータ） (2024-06-13T14:42:17Z)
Machine Learning to detect cyber-attacks and discriminating the types of power system disturbances [0.0]
本研究では,電力系統を対象とした機械学習による攻撃検出モデルを提案する。 Phasor Measurementing Devices (PMU) から収集したデータとログを利用することで、システムの振る舞いを学習し、潜在的なセキュリティ境界を効果的に識別することを目的としている。
論文参考訳（メタデータ） (2023-07-06T22:32:06Z)
Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文参考訳（メタデータ） (2023-04-21T02:20:24Z)
TAD: Transfer Learning-based Multi-Adversarial Detection of Evasion Attacks against Network Intrusion Detection Systems [0.7829352305480285]
我々は、侵入検知のための既存の最先端モデルを実装している。次に、選択した回避攻撃のセットでこれらのモデルを攻撃します。これらの敵攻撃を検知するために、我々は複数の移動学習に基づく敵検知器を設計、実装する。
論文参考訳（メタデータ） (2022-10-27T18:02:58Z)
R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
論文参考訳（メタデータ） (2022-04-02T07:54:58Z)
Orthogonal variance-based feature selection for intrusion detection systems [0.0]
自動侵入検知システムを構築するために,融合機械学習手法を適用した。選択された機能は、侵入検知のためのディープニューラルネットワークを構築するために使用される。提案アルゴリズムは、DDoS攻撃の特定において100%検出精度を達成する。
論文参考訳（メタデータ） (2021-10-25T04:07:53Z)
Fine-Grained Neural Network Explanation by Identifying Input Features with Predictive Information [53.28701922632817]
入力領域における予測情報を用いて特徴を識別する手法を提案する。我々の手法の中核となる考え方は、予測潜在機能に関連する入力機能のみを通過させる入力のボトルネックを活用することである。
論文参考訳（メタデータ） (2021-10-04T14:13:42Z)
From Handcrafted to Deep Features for Pedestrian Detection: A Survey [148.35460817092908]
歩行者検出はコンピュータビジョンにおいて重要であるが難しい問題である。過去10年間で、手作りの機能と深い機能によって、大幅な改善が見られた。単スペクトル歩行者検出に加えて,多スペクトル歩行者検出も検討した。
論文参考訳（メタデータ） (2020-10-01T14:51:10Z)
AutoOD: Automated Outlier Detection via Curiosity-guided Search and Self-imitation Learning [72.99415402575886]
外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2020-06-19T18:57:51Z)
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)
An Intelligent and Time-Efficient DDoS Identification Framework for Real-Time Enterprise Networks SAD-F: Spark Based Anomaly Detection Framework [0.5811502603310248]
我々は、異なる機械学習技術を用いたDDoS異常検出のためのセキュリティ解析技術について検討する。本稿では,システムへの入力として実際のトラフィックを扱う新しいアプローチを提案する。提案するフレームワークの性能要因を3つの異なるテストベッドで検討・比較する。
論文参考訳（メタデータ） (2020-01-21T06:05:48Z)

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。