論文の概要: ECU Identification using Neural Network Classification and
Hyperparameter Tuning
- arxiv url: http://arxiv.org/abs/2208.10651v1
- Date: Mon, 22 Aug 2022 23:57:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 13:53:30.445693
- Title: ECU Identification using Neural Network Classification and
Hyperparameter Tuning
- Title(参考訳): ニューラルネットワーク分類とハイパーパラメータチューニングを用いたECU同定
- Authors: Kunaal Verma, Mansi Girdhar, Azeem Hafeez, Selim S. Awad
- Abstract要約: コントローラエリアネットワーク(CAN)プロトコルの侵入検出には、他の電気アーキテクチャと競合するために、現代的な手法が必要である。
指紋侵入検知システム(IDS)は,この問題の解決に期待できる新しいアプローチを提供する。
Fingerprint IDSの修正版は、ニューラルネットワークトレーニングによるネットワークトラフィックのステップ応答とスペクトル特性の両方を活用する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Intrusion detection for Controller Area Network (CAN) protocol requires
modern methods in order to compete with other electrical architectures.
Fingerprint Intrusion Detection Systems (IDS) provide a promising new approach
to solve this problem. By characterizing network traffic from known ECUs,
hazardous messages can be discriminated. In this article, a modified version of
Fingerprint IDS is employed utilizing both step response and spectral
characterization of network traffic via neural network training. With the
addition of feature set reduction and hyperparameter tuning, this method
accomplishes a 99.4% detection rate of trusted ECU traffic.
- Abstract(参考訳): 制御領域ネットワーク(can)プロトコルの侵入検出は、他の電気アーキテクチャと競合するために現代的な方法を必要とする。
指紋侵入検知システム(IDS)は,この問題の解決に期待できる新しいアプローチを提供する。
既知のECUからのネットワークトラフィックを特徴付けることにより、有害メッセージを識別することができる。
本稿では、ニューラルネットワークトレーニングによるネットワークトラフィックのステップ応答とスペクトル特性の両方を利用して、Fingerprint IDSの修正版を採用する。
機能セットの削減とハイパーパラメータチューニングの追加により、信頼されたECUトラフィックの99.4%の検出率を達成する。
関連論文リスト
- Locality Sensitive Hashing for Network Traffic Fingerprinting [5.062312533373298]
ネットワークトラフィックのフィンガープリントにLSH(Locality-sensitive hashing)を用いる。
本手法は,ネットワーク内のデバイスを識別する際の精度を約94%向上し,最先端の精度を12%向上させる。
論文 参考訳(メタデータ) (2024-02-12T21:14:37Z) - Quantization-aware Interval Bound Propagation for Training Certifiably
Robust Quantized Neural Networks [58.195261590442406]
我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。
近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。
本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
論文 参考訳(メタデータ) (2022-11-29T13:32:38Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳(メタデータ) (2022-10-14T12:35:32Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳(メタデータ) (2022-10-08T04:32:58Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳(メタデータ) (2022-09-26T17:59:58Z) - Deep Convolutional Learning-Aided Detector for Generalized Frequency
Division Multiplexing with Index Modulation [0.0]
提案手法は、まずゼロフォース検出器(ZF)を用いて受信信号を前処理し、その後、畳み込みニューラルネットワーク(CNN)と完全連結ニューラルネットワーク(FCNN)からなるニューラルネットワークを用いる。
FCNN部は2つの完全に接続された層しか使用せず、複雑さとBER(bit error rate)パフォーマンスのトレードオフをもたらすことができる。
提案したディープ畳み込みニューラルネットワークに基づく検出・復調方式は,ZF検出器よりも高いBER性能を示し,複雑性が増大することが実証されている。
論文 参考訳(メタデータ) (2022-02-06T22:18:42Z) - Orthogonal variance-based feature selection for intrusion detection
systems [0.0]
自動侵入検知システムを構築するために,融合機械学習手法を適用した。
選択された機能は、侵入検知のためのディープニューラルネットワークを構築するために使用される。
提案アルゴリズムは、DDoS攻撃の特定において100%検出精度を達成する。
論文 参考訳(メタデータ) (2021-10-25T04:07:53Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳(メタデータ) (2021-06-10T04:21:20Z) - Learning with Knowledge of Structure: A Neural Network-Based Approach
for MIMO-OFDM Detection [33.46816493359834]
シンボル検出に対する貯水池計算(RC)に基づくアプローチに基づいて、対称かつ分解された二項決定ニューラルネットワークを導入する。
導入した対称ニューラルネットワークは、元の$M$-ary検出問題を一連のバイナリ分類タスクに分解できることを示す。
数値評価により,導入したハイブリッドRCバイナリ決定フレームワークは,最大値モデルに基づくシンボル検出を行うことができる。
論文 参考訳(メタデータ) (2020-12-01T18:16:19Z) - DNS Covert Channel Detection via Behavioral Analysis: a Machine Learning
Approach [0.09176056742068815]
本稿では,ネットワーク監視システムから受動的に抽出されたDNSネットワークデータの解析に基づいて,効果的な隠蔽チャネル検出手法を提案する。
提案手法は15日間の実験実験で評価され,最も関連する流出・トンネル攻撃をカバーするトラフィックを注入した。
論文 参考訳(メタデータ) (2020-10-04T13:28:28Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳(メタデータ) (2020-01-10T05:29:17Z)
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。