論文の概要: XG-BoT: An Explainable Deep Graph Neural Network for Botnet Detection and Forensics

• arxiv url: http://arxiv.org/abs/2207.09088v1
• Date: Tue, 19 Jul 2022 05:47:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 14:37:31.752692
• Title: XG-BoT: An Explainable Deep Graph Neural Network for Botnet Detection and Forensics
• Title（参考訳）: XG-BoT:ボットネット検出と鑑識のための説明可能なディープグラフニューラルネットワーク
• Authors: Wai Weng Lo, Siamak Layeghy, Mohanad Sarhan, Marius Portmann
• Abstract要約: 提案モデルは主にボットネット検出器と自動鑑定のための説明器で構成されている。 XG-BoT検出器は、大規模ネットワーク下で悪意のあるボットネットノードを効果的に検出することができる。 XG-BoTの解説者は、疑わしいネットワークフローと関連するボットネットノードをハイライトすることにより、自動ネットワーク鑑定を行うことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we proposed XG-BoT, an explainable deep graph neural network model for botnet node detection. The proposed model is mainly composed of a botnet detector and an explainer for automatic forensics. The XG-BoT detector can effectively detect malicious botnet nodes under large-scale networks. Specifically, it utilizes a grouped reversible residual connection with a graph isomorphism network to learn expressive node representations from the botnet communication graphs. The explainer in XG-BoT can perform automatic network forensics by highlighting suspicious network flows and related botnet nodes. We evaluated XG-BoT on real-world, large-scale botnet network graphs. Overall, XG-BoT is able to outperform the state-of-the-art in terms of evaluation metrics. In addition, we show that the XG-BoT explainer can generate useful explanations based on GNNExplainer for automatic network forensics.
• Abstract（参考訳）: 本稿では,ボットネットノード検出のための深層グラフニューラルネットワークモデルであるxg-botを提案する。 提案モデルは主にボットネット検出器と自動鑑識用説明器から構成される。 XG-BoT検出器は、大規模ネットワーク下で悪意のあるボットネットノードを効果的に検出することができる。 具体的には、グラフ同型ネットワークとグループ化された可逆的残差接続を使用して、ボットネット通信グラフから表現的なノード表現を学習する。 xg-botの解説者は、疑わしいネットワークフローと関連するボットネットノードを強調することで、自動ネットワーク検査を行うことができる。 xg-botを実世界の大規模ボットネットネットワークグラフ上で評価した。 全体として、XG-BoTは評価指標の点で最先端よりも優れています。 また,XG-BoT説明器は,GNNExplainerに基づいて,自動ネットワーク鑑定のための有用な説明を生成可能であることを示す。

関連論文リスト

• Applying Self-supervised Learning to Network Intrusion Detection for Network Flows with Graph Neural Network [8.318363497010969]
  本稿では,教師なし型ネットワークフローの特定のためのGNNの適用について検討する。 我々の知る限り、NIDSにおけるネットワークフローのマルチクラス分類のための最初のGNNベースの自己教師方式である。
  論文  参考訳（メタデータ） (2024-03-03T12:34:13Z)
• GNN-LoFI: a Novel Graph Neural Network through Localized Feature-based Histogram Intersection [51.608147732998994]
  グラフニューラルネットワークは、グラフベースの機械学習の選択フレームワークになりつつある。 本稿では,古典的メッセージパッシングに代えて,ノード特徴の局所分布を解析するグラフニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-17T13:04:23Z)
• Anomal-E: A Self-Supervised Network Intrusion Detection System based on Graph Neural Networks [0.0]
  本稿では,自己教師型ネットワーク侵入と異常検出のためのグラフニューラルネットワーク(GNN)の応用について検討する。 GNNは、グラフ構造を学習に組み込んだグラフベースのデータのためのディープラーニングアプローチである。 本稿では, エッジ特徴とグラフトポロジ構造を利用したGNNによる侵入・異常検出手法であるAnomal-Eを提案する。
  論文  参考訳（メタデータ） (2022-07-14T10:59:39Z)
• Graph neural network based approximation of Node Resiliency in complex networks [1.629817296011086]
  大規模複雑ネットワークにおけるノードレジリエンスを近似するためのグラフニューラルネットワーク(GNN)に基づくフレームワークを提案する。 提案フレームワークは、ノードの小さな代表部分集合上のノードランクを学習するGNNモデルを定義する。 このフレームワークのスケーラビリティは,実世界のグラフにおけるノードランクの予測を通じて実証される。
  論文  参考訳（メタデータ） (2020-12-26T05:37:18Z)
• Graph Prototypical Networks for Few-shot Learning on Attributed Networks [72.31180045017835]
  グラフメタ学習フレームワーク - Graph Prototypeal Networks (GPN) を提案する。 GPNは、属性付きネットワーク上でテキストミータ学習を行い、ターゲット分類タスクを扱うための高度に一般化可能なモデルを導出する。
  論文  参考訳（メタデータ） (2020-06-23T04:13:23Z)
• Improving Graph Neural Network Expressivity via Subgraph Isomorphism Counting [63.04999833264299]
  グラフサブストラクチャネットワーク(GSN)は,サブストラクチャエンコーディングに基づくトポロジ的に認識可能なメッセージパッシング方式である。 Wesfeiler-Leman (WL) グラフ同型テストよりも厳密に表現可能であることを示す。 グラフ分類と回帰タスクについて広範囲に評価を行い、様々な実世界の環境において最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-06-16T15:30:31Z)
• Binarized Graph Neural Network [65.20589262811677]
  我々は二項化グラフニューラルネットワークを開発し、二項化ネットワークパラメータを用いてノードのバイナリ表現を学習する。 提案手法は既存のGNNベースの埋め込み手法にシームレスに統合できる。 実験により、提案された二項化グラフニューラルネットワーク、すなわちBGNは、時間と空間の両方の観点から、桁違いに効率的であることが示されている。
  論文  参考訳（メタデータ） (2020-04-19T09:43:14Z)
• Automating Botnet Detection with Graph Neural Networks [106.24877728212546]
  ボットネットは、DDoS攻撃やスパムなど、多くのネットワーク攻撃の主要なソースとなっている。 本稿では,最新のディープラーニング技術を用いてボットネット検出のポリシーを自動学習するニューラルネットワーク設計の課題について考察する。
  論文  参考訳（メタデータ） (2020-03-13T15:34:33Z)
• Analyzing Neural Networks Based on Random Graphs [77.34726150561087]
  様々なタイプのランダムグラフに対応するアーキテクチャを用いて,ニューラルネットワークの大規模評価を行う。 古典的な数値グラフ不変量は、それ自体が最良のネットワークを選び出すことができない。 また、主に短距離接続を持つネットワークは、多くの長距離接続が可能なネットワークよりも性能が良いことも見出した。
  論文  参考訳（メタデータ） (2020-02-19T11:04:49Z)

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。