論文の概要: Using EBGAN for Anomaly Intrusion Detection

• arxiv url: http://arxiv.org/abs/2206.10400v1
• Date: Tue, 21 Jun 2022 13:49:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-22 18:49:53.720024
• Title: Using EBGAN for Anomaly Intrusion Detection
• Title（参考訳）: EBGANを用いた異常侵入検出
• Authors: Yi Cui, Wenfeng Shen, Jian Zhang, Weijia Lu, Chuang Liu, Lin Sun, Si Chen
• Abstract要約: ネットワークレコードを通常のトラフィックまたは悪意のあるトラフィックに分類するEBGANベースの侵入検知手法であるIDS-EBGANを提案する。 IDS-EBGANのジェネレータは、トレーニングセット内の元の悪意のあるネットワークトラフィックを、敵対的な悪意のある例に変換する責任がある。 テスト中、IDS-EBGANは識別器の再構成誤差を使用してトラフィックレコードを分類する。
• 参考スコア（独自算出の注目度）: 13.155954231596434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an active network security protection scheme, intrusion detection system (IDS) undertakes the important responsibility of detecting network attacks in the form of malicious network traffic. Intrusion detection technology is an important part of IDS. At present, many scholars have carried out extensive research on intrusion detection technology. However, developing an efficient intrusion detection method for massive network traffic data is still difficult. Since Generative Adversarial Networks (GANs) have powerful modeling capabilities for complex high-dimensional data, they provide new ideas for addressing this problem. In this paper, we put forward an EBGAN-based intrusion detection method, IDS-EBGAN, that classifies network records as normal traffic or malicious traffic. The generator in IDS-EBGAN is responsible for converting the original malicious network traffic in the training set into adversarial malicious examples. This is because we want to use adversarial learning to improve the ability of discriminator to detect malicious traffic. At the same time, the discriminator adopts Autoencoder model. During testing, IDS-EBGAN uses reconstruction error of discriminator to classify traffic records.
• Abstract（参考訳）: アクティブなネットワークセキュリティ保護スキームとして、侵入検知システム(IDS)は、悪意のあるネットワークトラフィックの形でネットワーク攻撃を検出する重要な責任を負う。 侵入検知技術はIDSの重要な部分である。 現在、多くの研究者が侵入検知技術に関する広範な研究を行っている。 しかし,大規模ネットワークトラフィックデータに対する効率的な侵入検出手法の開発は依然として困難である。 GAN(Generative Adversarial Networks)は複雑な高次元データのための強力なモデリング機能を持つため、この問題に対処するための新しいアイデアを提供する。 本稿では,ネットワークレコードを通常のトラフィックや悪意のあるトラフィックに分類するEBGANベースの侵入検知手法であるIDS-EBGANを提案する。 IDS-EBGANのジェネレータは、トレーニングセット内の元の悪意のあるネットワークトラフィックを、敵対的な悪意のある例に変換する責任がある。 これは,悪意のあるトラフィックを識別する識別能力を向上させるために,敵対学習を利用したいためである。 同時に、判別器はオートエンコーダモデルを採用する。 テスト中、IDS-EBGANは識別器の再構成誤差を使用してトラフィックレコードを分類する。

関連論文リスト

• A Transformer-Based Framework for Payload Malware Detection and Classification [0.0]
  ディープパケット検査(Deep Packet Inspection, DPI)は、IDSがネットワークパケットの内容を分析することを可能にする技術である。 本稿では,悪意のあるトラフィックを検出するために適応したトランスフォーマーに基づくDPIアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-27T03:25:45Z)
• Improving Transferability of Network Intrusion Detection in a Federated Learning Setup [11.98319841778396]
  ネットワーク侵入検知システム(IDS)は、インターネットに接続されたデバイスに到着するネットワークパケットを分析し、侵入者の存在を検出することを目的としている。 ディープラーニングシステムは、従来のIDSに比べて優れたパフォーマンスで人気があり、多様な侵入クラスのための高品質なトレーニングデータの可用性に依存している。 本稿では,フェデレートされた侵入検知システムの転送性を大幅に向上させる2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-01-07T17:52:41Z)
• Multi-Agent Reinforcement Learning for Assessing False-Data Injection Attacks on Transportation Networks [27.89472896063777]
  本稿では,交通ネットワークに対する最悪のデータ注入攻撃を見つけるための計算フレームワークを提案する。 まず,特定の道路で知覚する走行時間を増大させることで,ドライバーを操作できる脅威俳優と敵対モデルを作成する。 次に、階層型マルチエージェント強化学習を用いて、データ操作の近似逆戦略を求める。
  論文  参考訳（メタデータ） (2023-12-22T11:48:13Z)
• Efficient Federated Learning with Spike Neural Networks for Traffic Sign Recognition [70.306089187104]
  我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。 数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
  論文  参考訳（メタデータ） (2022-05-28T03:11:48Z)
• CANShield: Signal-based Intrusion Detection for Controller Area Networks [29.03951113836835]
  CANバスの信号に基づく侵入検知フレームワークであるCANShieldを提案する。 CanShieldは、信号レベルで高次元CANデータストリームを処理するデータ前処理モジュール、複数のディープオートエンコーダネットワークで構成されるデータアナライザモジュール、それぞれ異なる時間的視点から時系列データを解析するデータアナライザモジュール、アンサンブルメソッドを使用して最終的な決定を行うアタック検出モジュールの3つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2022-05-03T04:52:44Z)
• AVTPnet: Convolutional Autoencoder for AVTP anomaly detection in Automotive Ethernet Networks [2.415997479508991]
  本稿では,Audio Video Transport Protocol (AVTP) 上での異常のオフライン検出のための畳み込みオートエンコーダ (CAE) を提案する。 提案手法は、最近発表された"Automotive Ethernet Intrusion dataset"に基づいて評価される。
  論文  参考訳（メタデータ） (2022-01-31T19:13:20Z)
• TANTRA: Timing-Based Adversarial Network Traffic Reshaping Attack [46.79557381882643]
  本稿では,TANTRA(Adversarial Network Traffic Reshaping Attack)を提案する。 我々の回避攻撃は、ターゲットネットワークの良性パケット間の時間差を学習するために訓練された長い短期記憶(LSTM)ディープニューラルネットワーク(DNN)を利用する。 TANTRAは、ネットワーク侵入検出システム回避の平均成功率99.99%を達成します。
  論文  参考訳（メタデータ） (2021-03-10T19:03:38Z)
• Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
  多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。 本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。 本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
  論文  参考訳（メタデータ） (2020-07-28T19:00:40Z)
• Machine Learning based Anomaly Detection for 5G Networks [0.0]
  本稿では,SDS(Software Defined Security)を,自動化,柔軟性,スケーラブルなネットワーク防御システムとして提案する。 SDSは機械学習の現在の進歩を活用して、NAS(Neural Architecture Search)を使用してCNN(Convolutional Neural Network)を設計し、異常なネットワークトラフィックを検出する。
  論文  参考訳（メタデータ） (2020-03-07T00:17:08Z)
• Anomaly Detection by One Class Latent Regularized Networks [36.67420338535258]
  近年,GANに基づく半教師付きジェネレーティブ・アドバイザリアル・ネットワーク(GAN)手法が,異常検出タスクで人気を集めている。 遅延特徴空間でトレーニングデータの基盤となる構造を捕捉する新しい対角デュアルオートエンコーダネットワークを提案する。 実験の結果,MNISTおよびCIFAR10データセットおよびGTSRB停止信号データセットの最先端結果が得られた。
  論文  参考訳（メタデータ） (2020-02-05T02:21:52Z)

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。