論文の概要: Deep learning approach for interruption attacks detection in LEO
satellite networks
- arxiv url: http://arxiv.org/abs/2301.03998v1
- Date: Sat, 10 Dec 2022 21:21:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-15 23:24:09.224536
- Title: Deep learning approach for interruption attacks detection in LEO
satellite networks
- Title(参考訳): LEO衛星ネットワークにおける割り込み攻撃検出のための深層学習手法
- Authors: Nacereddine Sitouah, Fatiha Merazka, Abdenour Hedjazi
- Abstract要約: 本研究の目的は、深層学習アルゴリズムを用いた低地球軌道(textsfLEO)衛星ネットワークの割り込み検出戦略を提供することである。
我々は、MLP(Multi Layer Perceptron)、CNN(Convolutional Neural Network)、RNN(Recurrent Neural Network)、Gated Recurrent Units(GRU)など、さまざまなディープラーニングアルゴリズムをテストする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The developments of satellite communication in network systems require strong
and effective security plans. Attacks such as denial of service (DoS) can be
detected through the use of machine learning techniques, especially under
normal operational conditions. This work aims to provide an interruption
detection strategy for Low Earth Orbit (\textsf{LEO}) satellite networks using
deep learning algorithms. Both the training, and the testing of the proposed
models are carried out with our own communication datasets, created by
utilizing a satellite traffic (benign and malicious) that was generated using
satellite networks simulation platforms, Omnet++ and Inet. We test different
deep learning algorithms including Multi Layer Perceptron (MLP), Convolutional
Neural Network (CNN), Recurrent Neural Network (RNN), Gated Recurrent Units
(GRU), and Long Short-term Memory (LSTM). Followed by a full analysis and
investigation of detection rate in both binary classification, and
multi-classes classification that includes different interruption categories
such as Distributed DoS (DDoS), Network Jamming, and meteorological
disturbances. Simulation results for both classification types surpassed 99.33%
in terms of detection rate in scenarios of full network surveillance. However,
in more realistic scenarios, the best-recorded performance was 96.12% for the
detection of binary traffic and 94.35% for the detection of multi-class traffic
with a false positive rate of 3.72%, using a hybrid model that combines MLP and
GRU. This Deep Learning approach efficiency calls for the necessity of using
machine learning methods to improve security and to give more awareness to
search for solutions that facilitate data collection in LEO satellite networks.
- Abstract(参考訳): ネットワークシステムにおける衛星通信の発展には、強力な効果的なセキュリティ計画が必要である。
サービス拒否(DoS)のような攻撃は、マシンラーニング技術、特に通常の運用条件下で検出することができる。
本研究の目的は、深層学習アルゴリズムを用いた低軌道(\textsf{leo})衛星ネットワークの割り込み検出戦略を提供することである。
トレーニングと提案モデルのテストは、衛星ネットワークシミュレーションプラットフォームomnet++とinetを使って生成された衛星トラフィック(良質で悪意のある)を利用して、独自の通信データセットで実行されます。
我々は,MLP(Multi Layer Perceptron),CNN(Convolutional Neural Network),RNN(Recurrent Neural Network),GRU(Gated Recurrent Units),LSTM(Long Short-term Memory)など,さまざまなディープラーニングアルゴリズムをテストする。
続いて、バイナリ分類と、分散dos(ddos)、ネットワークジャミング、気象外乱といった異なる割り込みカテゴリを含むマルチクラス分類の両方における検出率の完全な分析と調査が行われた。
両方の分類のシミュレーション結果は、完全なネットワーク監視のシナリオで検出率の点で99.33%を超えた。
しかし、より現実的なシナリオでは、MLPとGRUを組み合わせたハイブリッドモデルを用いて、バイナリトラフィックの検出では96.12%、マルチクラストラフィックの検出では94.35%が偽陽性率3.72%であった。
このDeep Learningアプローチでは、セキュリティを改善し、LEO衛星ネットワークでデータ収集を容易にするソリューションを検索する上で、マシンラーニングメソッドを使用することの必要性が求められている。
関連論文リスト
- Effective Intrusion Detection in Highly Imbalanced IoT Networks with
Lightweight S2CGAN-IDS [48.353590166168686]
モノのインターネット(IoT)ネットワークは、異常なトラフィックよりも遥かに良質なトラフィックを含んでいる。
既存研究の多くは、少数民族の検出率を向上させるために、多数民族の検出率を犠牲にすることに焦点を当てている。
我々はS2CGAN-IDSという軽量なフレームワークを提案し、データ空間と特徴空間の両方においてマイノリティなカテゴリの数を拡大する。
論文 参考訳(メタデータ) (2023-06-06T14:19:23Z) - DOC-NAD: A Hybrid Deep One-class Classifier for Network Anomaly
Detection [0.0]
ネットワーク侵入検知システム(NIDS)の検出能力を高めるために機械学習アプローチが用いられている。
最近の研究は、バイナリとマルチクラスのネットワーク異常検出タスクに従うことで、ほぼ完璧な性能を実現している。
本稿では,ネットワークデータサンプルの学習のみによるネットワーク侵入検出のためのDeep One-Class (DOC)分類器を提案する。
論文 参考訳(メタデータ) (2022-12-15T00:08:05Z) - NetSentry: A Deep Learning Approach to Detecting Incipient Large-scale
Network Attacks [9.194664029847019]
ネットワーク侵入検出(NID)における機械学習の原理的利用法を示す。
我々は、Bi-ALSTMをベースとした、おそらく最初のNIDSであるNetSentryを提案する。
XSSやWeb bruteforceなどの攻撃検出率を最大3倍に向上させるとともに、最先端技術よりもF1スコアが33%以上上昇することが実証された。
論文 参考訳(メタデータ) (2022-02-20T17:41:02Z) - Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。
eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。
RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
論文 参考訳(メタデータ) (2021-12-03T07:44:45Z) - A Comparative Analysis of Machine Learning Algorithms for Intrusion
Detection in Edge-Enabled IoT Networks [0.0]
侵入検知は、ネットワークセキュリティの分野で難しい問題の一つである。
本稿では,従来の機械学習分類アルゴリズムの比較分析を行った。
MLP(Multi-Layer Perception)は入力と出力の間に依存性があり、侵入検知のネットワーク構成に依存している。
論文 参考訳(メタデータ) (2021-11-02T05:58:07Z) - Intermittent Jamming against Telemetry and Telecommand of Satellite
Systems and A Learning-driven Detection Strategy [1.4620086904601468]
物理層のセキュリティ欠陥は、衛星システムのサイバー物理的性質を考慮して、概念的な枠組みで対処される。
学習駆動型検出方式を提案し,軽量畳み込みニューラルネットワーク(CNN)を設計した。
その結果,提案手法を用いて衛星システムに対する欠陥攻撃を検出することができた。
論文 参考訳(メタデータ) (2021-07-10T17:04:22Z) - 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) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳(メタデータ) (2021-05-30T22:07:13Z) - Malicious Requests Detection with Improved Bidirectional Long Short-term
Memory Neural Networks [8.379440129896548]
我々は、時間的シーケンス分類問題として悪意のある要求を検出する問題を定式化する。
我々は,CNN-BiLSTM-CNN(CNN-BiLSTM-CNN)という新しいディープラーニングモデルを提案する。
HTTPデータセットCSIC 2010の実験結果は,提案手法の有効性を実証した。
論文 参考訳(メタデータ) (2020-10-26T02:27:44Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z) - Deep Transfer Learning Based Downlink Channel Prediction for FDD Massive
MIMO Systems [43.63380272164857]
本稿では,DTL(Deep Transfer Learning)問題として,ダウンリンクチャネル予測を定式化する。
具体的には、完全に接続されたニューラルネットワークアーキテクチャに基づくダイレクトトランスファーアルゴリズムを開発する。
転送効率をさらに向上するため,内部タスクとマルチタスクの更新を交互に行い,ネットワークを訓練するメタ学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2019-12-27T17:59:45Z)
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。