Fugu-MT 論文翻訳(概要): Explainable and Optimally Configured Artificial Neural Networks for Attack Detection in Smart Homes

論文の概要: Explainable and Optimally Configured Artificial Neural Networks for Attack Detection in Smart Homes

arxiv url: http://arxiv.org/abs/2205.08043v1
Date: Tue, 17 May 2022 01:25:32 GMT
ステータス: 処理完了
システム内更新日: 2022-05-18 13:11:16.556201
Title: Explainable and Optimally Configured Artificial Neural Networks for Attack Detection in Smart Homes
Title（参考訳）: スマートホームにおける攻撃検出のための説明可能かつ最適構成ニューラルネットワーク
Authors: Shaleeza Sohail, Zongwen Fan, Xin Gu and Fariza Sabrina
Abstract要約: 本稿では,5つのカテゴリ攻撃と9つのサブカテゴリ攻撃を識別するためのANNアーキテクチャの構成,性能,評価について述べる。非常に最近のIoTデータセットを使用して、我々のアプローチは、侵入検知の99.9%、99.7%、97.7%の精度で、攻撃のバイナリ、カテゴリ、サブカテゴリレベルの分類で高いパフォーマンスを示した。
参考スコア（独自算出の注目度）: 0.5161531917413708
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In recent years cybersecurity has become a major concern in adaptation of smart applications. Specially, in smart homes where a large number of IoT devices are used having a secure and trusted mechanisms can provide peace of mind for users. Accurate detection of cyber attacks is crucial, however precise identification of the type of attacks plays a huge role if devising the countermeasure for protecting the system. Artificial Neural Networks (ANN) have provided promising results for detecting any security attacks for smart applications. However, due to complex nature of the model used for this technique it is not easy for normal users to trust ANN based security solutions. Also, selection of right hyperparameters for ANN architecture plays a crucial role in the accurate detection of security attacks, especially when it come to identifying the subcategories of attacks. In this paper, we propose a model that considers both the issues of explainability of ANN model and the hyperparameter selection for this approach to be easily trusted and adapted by users of smart home applications. Also, our approach considers a subset of the dataset for optimal selection of hyperparamters to reduce the overhead of the process of ANN architecture design. Distinctively this paper focuses on configuration, performance and evaluation of ANN architecture for identification of five categorical attacks and nine subcategorical attacks. Using a very recent IoT dataset our approach showed high performance for intrusion detection with 99.9%, 99.7%, and 97.7% accuracy for Binary, Category, and Subcategory level classification of attacks.
Abstract（参考訳）: 近年、サイバーセキュリティはスマートアプリケーションの適応において大きな関心事となっている。特に、多数のIoTデバイスがセキュアで信頼性の高いメカニズムで使用されているスマートホームでは、ユーザの安心感が得られます。サイバー攻撃の正確な検出は重要であるが、システムを保護するための対策を考案する場合、攻撃の種類を正確に特定することは大きな役割を果たす。 Artificial Neural Networks (ANN)は、スマートアプリケーションに対するセキュリティ攻撃を検出するための有望な結果を提供している。しかしながら、このテクニックに使用するモデルの複雑な性質から、通常のユーザがannベースのセキュリティソリューションを信頼するのは容易ではない。また、ANNアーキテクチャの正しいハイパーパラメータの選択は、特に攻撃のサブカテゴリを特定する場合に、セキュリティ攻撃の正確な検出において重要な役割を果たす。本稿では,このアプローチについて,annモデルの説明可能性の問題とハイパーパラメータ選択の問題の両方を考慮し,スマートホームアプリケーションのユーザにより容易に信頼され,適応できるモデルを提案する。また、ANNアーキテクチャ設計のプロセスのオーバーヘッドを低減するために、ハイパーパラメータの最適選択のためのデータセットのサブセットを検討する。本稿では,5つのカテゴリ攻撃と9つのサブカテゴリ攻撃を識別するためのANNアーキテクチャの構成,性能,評価に焦点を当てた。最新のiotデータセットを使用することで、攻撃の2値、カテゴリ、サブカテゴリレベルの分類において、99.9%、99.7%、97.7%の精度で侵入検出に高いパフォーマンスを示しました。

関連論文リスト

Enhanced Convolution Neural Network with Optimized Pooling and Hyperparameter Tuning for Network Intrusion Detection [0.0]
ネットワーク侵入検知システム(NIDS)のための拡張畳み込みニューラルネットワーク(EnCNN)を提案する。我々はEnCNNと、ロジスティック回帰、決定木、サポートベクトルマシン(SVM)、ランダムフォレスト、AdaBoost、Votting Ensembleといったアンサンブル手法など、さまざまな機械学習アルゴリズムを比較した。その結果,EnCNNは検出精度を大幅に向上し,最先端アプローチよりも10%向上した。
論文参考訳（メタデータ） (2024-09-27T11:20:20Z)
A Novel Self-Attention-Enabled Weighted Ensemble-Based Convolutional Neural Network Framework for Distributed Denial of Service Attack Classification [0.0]
本研究は、DDoS攻撃検出のための新しいアプローチを提案する。提案手法は精度98.71%、F1スコア98.66%、リコール98.63%、精度98.69%を達成する。
論文参考訳（メタデータ） (2024-09-01T18:58:33Z)
Multi-agent Reinforcement Learning-based Network Intrusion Detection System [3.4636217357968904]
侵入検知システム(IDS)は,コンピュータネットワークのセキュリティ確保において重要な役割を担っている。本稿では,自動,効率的,堅牢なネットワーク侵入検出が可能な,新しいマルチエージェント強化学習(RL)アーキテクチャを提案する。我々のソリューションは、新しい攻撃の追加に対応し、既存の攻撃パターンの変更に効果的に適応するように設計されたレジリエントなアーキテクチャを導入します。
論文参考訳（メタデータ） (2024-07-08T09:18:59Z)
FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文参考訳（メタデータ） (2024-03-26T08:51:23Z)
Bayesian Hyperparameter Optimization for Deep Neural Network-Based Network Intrusion Detection [2.304713283039168]
侵入検出問題に対してディープニューラルネットワーク(DNN)がうまく適用されている。本稿では,ハイパーパラメータの自動最適化のための新しいベイズ最適化フレームワークを提案する。提案手法は,ランダムな探索最適化手法よりも侵入検出性能が高いことを示す。
論文参考訳（メタデータ） (2022-07-07T20:08:38Z)
The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
論文参考訳（メタデータ） (2021-06-26T10:50:07Z)
Adaptive Feature Alignment for Adversarial Training [56.17654691470554]
CNNは通常、敵攻撃に対して脆弱であり、セキュリティに敏感なアプリケーションに脅威をもたらす。任意の攻撃強度の特徴を生成するための適応的特徴アライメント(AFA)を提案する。本手法は任意の攻撃強度の特徴を自動的に整列するように訓練されている。
論文参考訳（メタデータ） (2021-05-31T17:01:05Z)
Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文参考訳（メタデータ） (2021-01-28T16:38:26Z)
Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
論文参考訳（メタデータ） (2020-08-26T19:27:27Z)
Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文参考訳（メタデータ） (2020-08-05T19:29:35Z)
A cognitive based Intrusion detection system [0.0]
侵入検知は、コンピュータネットワークのセキュリティを提供する重要なメカニズムの1つである。本稿では,Deep Neural Network Ans Supportctor Machine Classifierに基づく新しい手法を提案する。提案手法は, 侵入検知に類似した手法により, より精度良く攻撃を予測できる。
論文参考訳（メタデータ） (2020-05-19T13:30:30Z)

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。