論文の概要: Heterogeneous Domain Adaptation for IoT Intrusion Detection: A Geometric Graph Alignment Approach

• arxiv url: http://arxiv.org/abs/2301.09801v1
• Date: Tue, 24 Jan 2023 03:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-01-25 14:28:45.190925
• Title: Heterogeneous Domain Adaptation for IoT Intrusion Detection: A Geometric Graph Alignment Approach
• Title（参考訳）: IoT侵入検出のための不均一領域適応:幾何学的グラフアライメントアプローチ
• Authors: Jiashu Wu, Hao Dai, Yang Wang, Kejiang Ye, Chengzhong Xu
• Abstract要約: データ不足は、IoT侵入検出(IID)に対処する際のデータ依存アルゴリズムのユーザビリティを妨げる 我々は、IIDドメインのより正確な侵入検出を容易にするために、データリッチネットワーク侵入検出(NID)ドメインを利用する。
• 参考スコア（独自算出の注目度）: 21.7683532972677
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Data scarcity hinders the usability of data-dependent algorithms when tackling IoT intrusion detection (IID). To address this, we utilise the data rich network intrusion detection (NID) domain to facilitate more accurate intrusion detection for IID domains. In this paper, a Geometric Graph Alignment (GGA) approach is leveraged to mask the geometric heterogeneities between domains for better intrusion knowledge transfer. Specifically, each intrusion domain is formulated as a graph where vertices and edges represent intrusion categories and category-wise interrelationships, respectively. The overall shape is preserved via a confused discriminator incapable to identify adjacency matrices between different intrusion domain graphs. A rotation avoidance mechanism and a centre point matching mechanism is used to avoid graph misalignment due to rotation and symmetry, respectively. Besides, category-wise semantic knowledge is transferred to act as vertex-level alignment. To exploit the target data, a pseudo-label election mechanism that jointly considers network prediction, geometric property and neighbourhood information is used to produce fine-grained pseudo-label assignment. Upon aligning the intrusion graphs geometrically from different granularities, the transferred intrusion knowledge can boost IID performance. Comprehensive experiments on several intrusion datasets demonstrate state-of-the-art performance of the GGA approach and validate the usefulness of GGA constituting components.
• Abstract（参考訳）: データ不足は、IoT侵入検出(IID)に取り組む際のデータ依存アルゴリズムのユーザビリティを妨げる。 そこで我々は,データリッチネットワーク侵入検出(NID)ドメインを利用して,IIDドメインのより正確な侵入検出を行う。 本稿では,幾何グラフアライメント(gga)アプローチを用いて,ドメイン間の幾何学的異質性を隠蔽し,侵入知識伝達を改善する。 具体的には、各侵入領域は、頂点と辺がそれぞれ侵入圏とカテゴリワイド相互関係を表すグラフとして定式化される。 全体形状は、異なる侵入ドメイングラフ間の隣接行列を識別できない混乱した識別器を介して保存される。 回転回避機構と中心点マッチング機構は、それぞれ回転と対称性によるグラフのずれを避けるために用いられる。 さらに、カテゴリごとの意味知識は頂点レベルのアライメントとして振る舞う。 対象データを利用するために、ネットワーク予測、幾何特性、周辺情報を協調的に考慮した擬似ラベル選択機構を用いて、きめ細かい擬似ラベル割り当てを生成する。 侵入グラフを異なる粒度から幾何的に整列させると、転送された侵入知識はIDDの性能を高めることができる。 いくつかの侵入データセットに関する総合的な実験は、GGAアプローチの最先端性能を示し、GGA構成コンポーネントの有用性を検証する。

関連論文リスト

• Unsupervised Graph Anomaly Detection via Multi-Hypersphere Heterophilic Graph Learning [7.277472116667557]
  Graph Anomaly(GAD)は、eコマース詐欺や悪意のあるユーザー検出など、さまざまなデータマイニングアプリケーションにおいて重要な役割を果たす。 本稿では,潜在的な異常に対する識別可能な異常表現を学習するためのヘテロ親和性グラフ検出(HGE)モジュールを提案する。 そこで本稿では,コンテキスト依存型異常の検出能力を高めるために,マルチハイパースフィア学習(MHL)モジュールを提案する。
  論文  参考訳（メタデータ） (2025-03-15T08:08:13Z)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• HGAttack: Transferable Heterogeneous Graph Adversarial Attack [63.35560741500611]
  ヘテロジニアスグラフニューラルネットワーク(HGNN)は、Webやeコマースなどの分野でのパフォーマンスでますます認識されている。 本稿ではヘテロジニアスグラフに対する最初の専用グレーボックス回避手法であるHGAttackを紹介する。
  論文  参考訳（メタデータ） (2024-01-18T12:47:13Z)
• Effective In-vehicle Intrusion Detection via Multi-view Statistical Graph Learning on CAN Messages [9.04771951523525]
  車両内ネットワーク(IVN)は、様々な複雑な外部サイバー攻撃に直面している。 現在の主流侵入検知機構では、粗粒度しか認識できない。 本稿では,多視点統計グラフ学習の効果的な侵入検出法であるStatGraphを提案する。
  論文  参考訳（メタデータ） (2023-11-13T03:49:55Z)
• Network Intrusion Detection with Edge-Directed Graph Multi-Head Attention Networks [13.446986347747325]
  本稿では,ネットワーク侵入検出のためのエッジ指向グラフマルチヘッドアテンションネットワーク(EDGMAT)を提案する。 EDGMATモデルでは,侵入検知モデルにマルチヘッドアテンション機構を導入し,マルチヘッドアテンション機構とエッジ特徴を組み合わせた付加的な重み学習を実現する。
  論文  参考訳（メタデータ） (2023-10-26T12:30:11Z)
• BOURNE: Bootstrapped Self-supervised Learning Framework for Unified Graph Anomaly Detection [50.26074811655596]
  自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。 ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。 BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
  論文  参考訳（メタデータ） (2023-07-28T00:44:57Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Cross-Domain Graph Anomaly Detection via Anomaly-aware Contrastive Alignment [22.769474986808113]
  クロスドメイングラフ異常検出(CD-GAD)は、非競合対象グラフにおける異常ノードを検出する問題を記述する。 本稿では,GADのための新しいドメイン適応手法,すなわちAnomaly-aware ContrastivealignedmenT (ACT)を導入する。 ACTは10種類の最先端GAD法で検出性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2022-12-02T11:21:48Z)
• The Devil is in the Conflict: Disentangled Information Graph Neural Networks for Fraud Detection [17.254383007779616]
  性能劣化は主にトポロジと属性の矛盾に起因すると我々は主張する。 注意機構を用いて2つの視点を適応的に融合する簡易かつ効果的な手法を提案する。 我々のモデルは、実世界の不正検出データセットで最先端のベースラインを大幅に上回ることができる。
  論文  参考訳（メタデータ） (2022-10-22T08:21:49Z)
• Information Obfuscation of Graph Neural Networks [96.8421624921384]
  本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。 本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-28T17:55:04Z)
• Simultaneous Semantic Alignment Network for Heterogeneous Domain Adaptation [67.37606333193357]
  本稿では,カテゴリ間の相関を同時に利用し,各カテゴリ毎のセントロイドを整列させるために,aSimultaneous Semantic Alignment Network (SSAN)を提案する。 対象の擬似ラベルを利用することで、各カテゴリの特徴表現を整列させるために、ロバストな三重項中心のアライメント機構を明示的に適用する。 テキスト・ツー・イメージ、画像・画像・テキスト・ツー・テキストにわたる様々なHDAタスクの実験は、最先端のHDA手法に対するSSANの優位性を検証することに成功した。
  論文  参考訳（メタデータ） (2020-08-04T16:20:37Z)
• Graph Representation Learning via Graphical Mutual Information Maximization [86.32278001019854]
  本稿では,入力グラフとハイレベルな隠蔽表現との相関を測る新しい概念であるGMIを提案する。 我々は,グラフニューラルエンコーダの入力と出力の間でGMIを最大化することで訓練された教師なし学習モデルを開発する。
  論文  参考訳（メタデータ） (2020-02-04T08:33:49Z)

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。