Fugu-MT 論文翻訳(概要): ECU Identification using Neural Network Classification and Hyperparameter Tuning

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

Investigating Application of Deep Neural Networks in Intrusion Detection System Design [0.0]
研究の目的は、ディープニューラルネットワーク(DNN)のアプリケーションが、悪意のあるネットワーク侵入を正確に検出し、特定できるかどうかを学習することである。実験結果は,ネットワーク侵入の分類を正確に正確に識別するためのモデルのサポートを示さなかった。
論文参考訳（メタデータ） (2025-01-27T04:06:30Z)
Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
論文参考訳（メタデータ） (2024-10-11T09:36:38Z)
Novel Approach to Intrusion Detection: Introducing GAN-MSCNN-BILSTM with LIME Predictions [0.0]
本稿では、GAN(Generative Adversarial Networks)、MSCNN(Multi-Scale Convolutional Neural Networks)、Bidirectional Long Short-Term Memory(BiLSTM)を利用した革新的な侵入検知システムを提案する。このシステムは、通常のパターンと攻撃パターンの両方を含む、現実的なネットワークトラフィックデータを生成する。標準ベンチマークであるHogzillaデータセットの評価では、多クラス分類では99.16%、バイナリ分類では99.10%という印象的な精度を示している。
論文参考訳（メタデータ） (2024-06-08T11:26:44Z)
A Universal Deep Neural Network for Signal Detection in Wireless Communication Systems [35.07773969966621]
無線通信におけるチャネル推定と信号検出のための有望なアプローチとして,Deep Learning (DL) が登場している。無線チャネルの動的性質に対処するためには、新しい非老化データに基づいてDL手法を再訓練する必要がある。本稿では,モデルを再学習することなく,様々な無線環境において高い検出性能を達成できる,新しいユニバーサルディープニューラルネットワーク(Uni-DNN)を提案する。
論文参考訳（メタデータ） (2024-04-03T11:21:10Z)
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)
AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
論文参考訳（メタデータ） (2022-11-25T05:10:39Z)
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)
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)
End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence [38.518936229794214]
我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
論文参考訳（メタデータ） (2020-09-03T09:10:16Z)

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。