論文の概要: IDPS Signature Classification with a Reject Option and the Incorporation
of Expert Knowledge
- arxiv url: http://arxiv.org/abs/2207.10797v1
- Date: Tue, 19 Jul 2022 06:09:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-07 14:40:53.648794
- Title: IDPS Signature Classification with a Reject Option and the Incorporation
of Expert Knowledge
- Title（参考訳）: リジェクトオプションによるidpsシグネチャの分類と専門家知識の導入
- Authors: Hidetoshi Kawaguchi, Yuichi Nakatani and Shogo Okada
- Abstract要約: 我々は、侵入検知防止システム(IDPS)のセットアップコストを削減するために、リジェクションオプション(RO)を用いた機械学習署名分類モデルを提案し、評価する。
提案モデルを訓練するためには,署名分類に有効な特徴を設計することが不可欠である。
提案手法の有効性を,専門家によってラベル付けされた2つの実データを用いて評価した。
- 参考スコア（独自算出の注目度）: 3.867363075280544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the importance of intrusion detection and prevention systems (IDPSs)
increases, great costs are incurred to manage the signatures that are generated
by malicious communication pattern files. Experts in network security need to
classify signatures by importance for an IDPS to work. We propose and evaluate
a machine learning signature classification model with a reject option (RO) to
reduce the cost of setting up an IDPS. To train the proposed model, it is
essential to design features that are effective for signature classification.
Experts classify signatures with predefined if-then rules. An if-then rule
returns a label of low, medium, high, or unknown importance based on keyword
matching of the elements in the signature. Therefore, we first design two types
of features, symbolic features (SFs) and keyword features (KFs), which are used
in keyword matching for the if-then rules. Next, we design web information and
message features (WMFs) to capture the properties of signatures that do not
match the if-then rules. The WMFs are extracted as term frequency-inverse
document frequency (TF-IDF) features of the message text in the signatures. The
features are obtained by web scraping from the referenced external attack
identification systems described in the signature. Because failure needs to be
minimized in the classification of IDPS signatures, as in the medical field, we
consider introducing a RO in our proposed model. The effectiveness of the
proposed classification model is evaluated in experiments with two real
datasets composed of signatures labeled by experts: a dataset that can be
classified with if-then rules and a dataset with elements that do not match an
if-then rule. In the experiment, the proposed model is evaluated. In both
cases, the combined SFs and WMFs performed better than the combined SFs and
KFs. In addition, we also performed feature analysis.
- Abstract（参考訳）: 侵入検知・防止システム(IDPS)の重要性が高まるにつれて、悪意のある通信パターンファイルによって生成されるシグネチャを管理するために多大なコストがかかる。
ネットワークセキュリティの専門家は、IDPSが機能することの重要性によって署名を分類する必要がある。
我々は,idp設定コストを削減するために,reject option (ro) を用いた機械学習署名分類モデルを提案し,評価する。
提案モデルの訓練には,署名分類に有効な特徴を設計することが不可欠である。
専門家は、事前定義されたif-thenルールで署名を分類する。
if-thenルールは、署名中の要素のキーワードマッチングに基づいて、低、中、高、または未知の重要度ラベルを返す。
そこで我々はまず,f-thenルールのキーワードマッチングに使用される記号的特徴(SF)とキーワード特徴(KF)の2種類の特徴を設計する。
次に、Web情報とメッセージ機能(WMF)を設計し、if-thenルールにマッチしないシグネチャのプロパティをキャプチャする。
WMFは、署名中のメッセージテキストの項周波数逆文書周波数(TF-IDF)の特徴として抽出される。
これらの特徴は、署名に記載された参照外部攻撃識別システムからWebスクレイピングによって得られる。
医療分野では,IDPSシグネチャの分類において障害を最小化する必要があるため,提案モデルにROを導入することを検討する。
提案手法の有効性は,if-thenルールで分類できるデータセットと,if-thenルールと一致しない要素で分類できるデータセットという,専門家によってラベル付けされた2つの署名からなる実データセットを用いて評価される。
実験では,提案モデルの評価を行った。
いずれの場合も, SFとWMFの併用は, SFとKFの併用よりも良好であった。
また,特徴分析も行った。
関連論文リスト
- Consensus-Threshold Criterion for Offline Signature Verification using
Convolutional Neural Network Learned Representations [0.0]
オフライン書き込み依存署名検証のためのコンセンサス閾値距離に基づく分類器を提案する。
GPDS-300では、文献で記録された8.73%と17.31%と比較して1.27%のFARを達成することで、コンセンサス閾値分類器が最先端の性能を向上させる。
これは他のデータセット間で一貫性があり、インポスタが機密文書やトランザクションにアクセスするリスクが最小限であることを保証する。
論文 参考訳（メタデータ） (2024-01-05T23:10:26Z) - Revocable Quantum Digital Signatures [57.25067425963082]
我々は、LWE仮定から取り消し可能な署名キーでデジタル署名を定義し、構築する。
このプリミティブでは、署名キーは、ユーザーが多くのメッセージに署名できる量子状態である。
一度キーが取り消されたら、キーの最初の受信者が署名する能力を失うことを要求します。
論文 参考訳（メタデータ） (2023-12-21T04:10:07Z) - Description-Enhanced Label Embedding Contrastive Learning for Text
Classification [65.01077813330559]
モデル学習プロセスにおける自己監督型学習(SSL)と新しい自己監督型関係関係(R2)分類タスクの設計
テキスト分類とR2分類を最適化対象として扱うテキスト分類のための関係学習ネットワーク(R2-Net)の関係について検討する。
ラベルセマンティックラーニングのためのマルチアスペクト記述を得るためのWordNetからの外部知識。
論文 参考訳（メタデータ） (2023-06-15T02:19:34Z) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T12:10:02Z) - Identity Documents Authentication based on Forgery Detection of
Guilloche Pattern [2.606834301724095]
ギロシェパターンの偽造検出に基づく識別文書の認証モデルを提案する。
認証性能を高めるために、最も適切なパラメータを分析し、識別するために実験を行う。
論文 参考訳（メタデータ） (2022-06-22T11:37:10Z) - The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。
我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。
我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
論文 参考訳（メタデータ） (2022-03-10T23:35:00Z) - FedIPR: Ownership Verification for Federated Deep Neural Network Models [31.459374163080994]
これらのモデルは、複数の機関や人々が所有する貴重なトレーニングデータに基づいて構築されているため、フェデレートされた学習モデルは、盗作行為から保護されなければならない。
本稿では、FedDNNモデルの知的財産権(IPR)を主張するために、所有権署名を埋め込み、検証できる新しいフェデレーションディープニューラルネットワーク(FedDNN)のオーナシップ検証スキームについて述べる。
論文 参考訳（メタデータ） (2021-09-27T12:51:24Z) - Dual-Refinement: Joint Label and Feature Refinement for Unsupervised
Domain Adaptive Person Re-Identification [51.98150752331922]
Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。
オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。
本手法は最先端手法を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2020-12-26T07:35:35Z) - Few-shot Slot Tagging with Collapsed Dependency Transfer and
Label-enhanced Task-adaptive Projection Network [61.94394163309688]
本稿では,現在最先端の少数ショット分類モデルであるTapNetに基づくラベル強化タスク適応プロジェクションネットワーク(L-TapNet)を提案する。
実験結果から,本モデルは1ショット設定で14.64点のF1スコアで最強の少ショット学習ベースラインを著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2020-06-10T07:50:44Z) - FCN+RL: A Fully Convolutional Network followed by Refinement Layers to
Offline Handwritten Signature Segmentation [3.3144312096837325]
そこで本研究では,手書き署名の画素の識別と抽出を行う手法を提案する。
この技術は、完全な畳み込みエンコーダ・デコーダネットワークと、予測された画像のアルファチャネルのための洗練されたレイヤのブロックを組み合わせたものである。
論文 参考訳（メタデータ） (2020-05-28T18:47:10Z) - Offline Signature Verification on Real-World Documents [9.271640666465363]
正式な文書から抽出された署名には、スタンプ、会社のシール、支配線、署名ボックスなど、さまざまな種類の隠蔽が含まれている。
本稿では,現実の作家によるオフライン署名検証問題に対処し,銀行の顧客の取引要求文書に隠蔽された署名を記載した文書をクリーンリファレンス署名と比較する。
提案手法は,CycleGANに基づくスタンプクリーニング法とCNNに基づくシグネチャ表現の2つの主成分からなる。
論文 参考訳（メタデータ） (2020-04-25T10:28:03Z)
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。