論文の概要: 6GCVAE: Gated Convolutional Variational Autoencoder for IPv6 Target Generation

• arxiv url: http://arxiv.org/abs/2204.09425v1
• Date: Wed, 20 Apr 2022 12:36:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-21 17:55:48.314264
• Title: 6GCVAE: Gated Convolutional Variational Autoencoder for IPv6 Target Generation
• Title（参考訳）: 6gcvae: ipv6ターゲット生成のためのゲート畳み込み可変オートエンコーダ
• Authors: Tianyu Cui, Gaopeng Gou, Gang Xiong
• Abstract要約: 本稿では,深層学習を用いてIPv6ターゲット生成アルゴリズムを設計する。 このモデルは、ゲート畳み込み層を積み重ねてアドレス構造を効果的に学習し、可変オートエンコーダ(VAE)を構築する。 実験の結果,従来のVAEモデルと最先端ターゲット生成アルゴリズムを2つのアクティブアドレスデータセットで比較した。
• 参考スコア（独自算出の注目度）: 7.462399334010083
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: IPv6 scanning has always been a challenge for researchers in the field of network measurement. Due to the considerable IPv6 address space, while recent network speed and computational power have been improved, using a brute-force approach to probe the entire network space of IPv6 is almost impossible. Systems are required an algorithmic approach to generate more possible active target candidate sets to probe. In this paper, we first try to use deep learning to design such IPv6 target generation algorithms. The model effectively learns the address structure by stacking the gated convolutional layer to construct Variational Autoencoder (VAE). We also introduce two address classification methods to improve the model effect of the target generation. Experiments indicate that our approach 6GCVAE outperformed the conventional VAE models and the state-of-the-art target generation algorithm in two active address datasets.
• Abstract（参考訳）: IPv6スキャンは、ネットワーク計測分野の研究者にとって常に課題となっている。 かなりのIPv6アドレス空間のため、最近のネットワーク速度と計算能力は改善されているが、IPv6のネットワーク空間全体を調査するためのブルートフォースアプローチは、ほぼ不可能である。 システムは、より可能なアクティブなターゲット候補集合を探索するためにアルゴリズム的アプローチを必要とする。 本稿ではまず,このようなipv6ターゲット生成アルゴリズムの設計にディープラーニングを利用する。 このモデルは、ゲート畳み込み層を積み重ねてアドレス構造を効果的に学習し、可変オートエンコーダ(VAE)を構築する。 また,ターゲット生成のモデル効果を改善するため,アドレス分類手法を2つ導入した。 実験の結果,従来のVAEモデルと最先端ターゲット生成アルゴリズムを2つのアクティブアドレスデータセットで比較した。

関連論文リスト

• Generative AI Enabled Matching for 6G Multiple Access [51.00960374545361]
  我々は6G多重アクセスをサポートするGenAI対応マッチング生成フレームワークを提案する。 我々のフレームワークは、与えられた条件と事前定義された報酬に基づいて、より効果的なマッチング戦略を生成することができることを示す。
  論文  参考訳（メタデータ） (2024-10-29T13:01:26Z)
• Designing Network Algorithms via Large Language Models [11.055072300500104]
  我々は,大規模言語モデル(LLM)の生成能力を活用することで,ネットワークアルゴリズムを自律的に設計する最初のフレームワークであるNADを紹介する。 我々は,NADがブロードバンド,衛星,4G,5Gを含む多様なネットワーク環境において,元のアルゴリズムを一貫して上回る新しいABRアルゴリズムを生成することを実証した。
  論文  参考訳（メタデータ） (2024-04-02T03:43:55Z)
• Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
  オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。 総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-03-21T02:33:37Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• FPGA-based AI Smart NICs for Scalable Distributed AI Training Systems [62.20308752994373]
  我々は、フィールドプログラマブルゲートアレイ(FPGA)を用いた分散AI訓練システムのための新しいスマートネットワークインタフェースカード(NIC)を提案する。 提案するFPGAベースのAIスマートNICは,従来のNICを用いたベースラインシステムと比較して,6ノードで1.6倍,32ノードで2.5倍の性能向上が期待できる。
  論文  参考訳（メタデータ） (2022-04-22T21:57:00Z)
• 6GAN: IPv6 Multi-Pattern Target Generation via Generative Adversarial Nets with Reinforcement Learning [10.054944443127376]
  6GANは、GAN(Generative Adrial Net)とマルチパターンターゲット生成のための強化学習によって構築された、新しいアーキテクチャである。 6GANのジェネレータはパターンごとに強い模倣能力を保ち、6GANの識別器は0.966の精度で優れたパターン識別能力を得る。
  論文  参考訳（メタデータ） (2022-04-21T01:25:20Z)
• 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)
• Phase Retrieval using Expectation Consistent Signal Recovery Algorithm based on Hypernetwork [73.94896986868146]
  位相検索は現代の計算イメージングシステムにおいて重要な要素である。 近年のディープラーニングの進歩は、堅牢で高速なPRの新たな可能性を開いた。 我々は、既存の制限を克服するために、深層展開のための新しいフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-01-12T08:36:23Z)
• An Analysis of Alternating Direction Method of Multipliers for Feed-forward Neural Networks [2.8747398859585376]
  このアプローチの背後にある動機は、スケーラブルで並列化可能なニューラルネットワークのトレーニング方法を実行することにある。 我々はそれぞれSGDとAdamと比較して6.9%と6.8%の精度を達成した。
  論文  参考訳（メタデータ） (2020-09-06T22:13:54Z)
• 6VecLM: Language Modeling in Vector Space for IPv6 Target Generation [26.73994727119052]
  このようなターゲット生成アルゴリズムを実現するために,本手法を6VecLMに導入する。 アーキテクチャは、アドレスをベクトル空間にマッピングして意味的関係を解釈することができる。 実験により,本手法はアドレス空間のセマンティックな分類が可能であることが示された。
  論文  参考訳（メタデータ） (2020-08-05T16:26:50Z)
• Hyperparameter optimization with REINFORCE and Transformers [2.1404235519012076]
  強化学習はニューラルアーキテクチャサーチ(NAS)の有望な結果を得た ポリシーネットワークをモデル化するために,単純化されたTransformerブロックを用いることで,その性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-06-01T13:35:48Z)

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。

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。