論文の概要: Feature Reduction Method Comparison Towards Explainability and
Efficiency in Cybersecurity Intrusion Detection Systems
- arxiv url: http://arxiv.org/abs/2303.12891v1
- Date: Wed, 22 Mar 2023 20:09:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 16:27:02.557091
- Title: Feature Reduction Method Comparison Towards Explainability and
Efficiency in Cybersecurity Intrusion Detection Systems
- Title（参考訳）: サイバーセキュリティ侵入検知システムにおける説明可能性と効率性の比較
- Authors: Adam M. Lehavi, Seongtae Kim
- Abstract要約: 侵入検知システム(IDS)は、収集されたコンピュータおよびネットワークデータに基づいて攻撃を検出し防止する。
最近の研究で、IDSモデルは機械学習(ML)と、ランダムフォレスト(RF)やディープニューラルネットワーク(DNN)のような深層学習(DL)手法を用いて構築されている。
RF情報ゲイン(RF-IG)、Bat Algorithm(CFSBA)を用いた相関選択、Aquila(CFS-AO)を用いたCFSの3つの異なるFS技術について検討する。
- 参考スコア（独自算出の注目度）: 11.123884574885018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the realm of cybersecurity, intrusion detection systems (IDS) detect and
prevent attacks based on collected computer and network data. In recent
research, IDS models have been constructed using machine learning (ML) and deep
learning (DL) methods such as Random Forest (RF) and deep neural networks
(DNN). Feature selection (FS) can be used to construct faster, more
interpretable, and more accurate models. We look at three different FS
techniques; RF information gain (RF-IG), correlation feature selection using
the Bat Algorithm (CFS-BA), and CFS using the Aquila Optimizer (CFS-AO). Our
results show CFS-BA to be the most efficient of the FS methods, building in 55%
of the time of the best RF-IG model while achieving 99.99% of its accuracy.
This reinforces prior contributions attesting to CFS-BA's accuracy while
building upon the relationship between subset size, CFS score, and RF-IG score
in final results.
- Abstract（参考訳）: サイバーセキュリティの領域では、侵入検知システム(IDS)は収集されたコンピュータおよびネットワークデータに基づいて攻撃を検出し、防止する。
近年の研究では、機械学習(ML)や、ランダムフォレスト(RF)やディープニューラルネットワーク(DNN)といったディープラーニング(DL)手法を用いてIDSモデルを構築している。
特徴選択(FS)はより速く、より解釈可能で、より正確なモデルを構築するために使用できる。
RF情報ゲイン(RF-IG)、Bat Algorithm(CFS-BA)を用いた相関特徴選択、Aquila Optimizer(CFS-AO)を用いたCFSの3つの異なるFS技術について検討する。
その結果, cfs-baはfs法の中で最も効率的であり, 精度99.99%の精度を保ちつつ, 最良のrf-igモデルの55%の時間内に構築できることがわかった。
これは、最終結果において、サブセットサイズ、CFSスコア、RF-IGスコアの関係を構築しながら、CFS-BAの精度を証明する事前の貢献を強化する。
関連論文リスト
- Enhancing Fast Feed Forward Networks with Load Balancing and a Master Leaf Node [49.08777822540483]
高速フィードフォワードネットワーク(FFF)は、入力空間の異なる領域が広いネットワークのニューロンの異なるサブセットを活性化する観察を利用する。
本稿では,FFFアーキテクチャにロードバランシングとマスタリーフ技術を導入し,性能向上とトレーニングプロセスの簡素化を図る。
論文 参考訳（メタデータ） (2024-05-27T05:06:24Z) - Machine learning-based network intrusion detection for big and
imbalanced data using oversampling, stacking feature embedding and feature
extraction [6.374540518226326]
侵入検知システム(IDS)は、悪意あるアクターや活動を検出することによって相互接続ネットワークを保護する上で重要な役割を果たす。
本稿では,データ不均衡にRandom Oversampling (RO) を用いる新しいMLベースのネットワーク侵入検出モデルと,次元削減のためのStacking Feature Embedding (PCA)を提案する。
CIC-IDS 2017データセットを使用すると、DT、RF、ETモデルは99.99%の精度に達し、DTとRFモデルはCIC-IDS 2018データセットで99.94%の精度が得られる。
論文 参考訳（メタデータ） (2024-01-22T05:49:41Z) - MFABA: A More Faithful and Accelerated Boundary-based Attribution Method
for Deep Neural Networks [69.28125286491502]
我々は,公理に固執する帰属アルゴリズムであるMFABAを紹介する。
結果は、最先端の属性アルゴリズムよりも101.5142倍高速に達成することで、その優位性を証明している。
論文 参考訳（メタデータ） (2023-12-21T07:48:15Z) - Performance evaluation of Machine learning algorithms for Intrusion Detection System [0.40964539027092917]
本稿では機械学習(ML)技術を用いた侵入検知システム(IDS)の解析に焦点を当てた。
機械学習モデルのトレーニングと検証に使用されるKDD CUP-'99'侵入検出データセットを分析した。
論文 参考訳（メタデータ） (2023-10-01T06:35:37Z) - A Dependable Hybrid Machine Learning Model for Network Intrusion
Detection [1.222622290392729]
本稿では,機械学習とディープラーニングを組み合わせたハイブリッドモデルを提案する。
提案手法は,KDDCUP'99とCIC-MalMem-2022の2つのデータセットでテストした場合,優れた結果が得られる。
論文 参考訳（メタデータ） (2022-12-08T20:19:27Z) - NAS-FCOS: Efficient Search for Object Detection Architectures [113.47766862146389]
簡易なアンカーフリー物体検出器の特徴ピラミッドネットワーク (FPN) と予測ヘッドを探索し, より効率的な物体検出手法を提案する。
慎重に設計された検索空間、検索アルゴリズム、ネットワーク品質を評価するための戦略により、8つのV100 GPUを使用して、4日以内に最高のパフォーマンスの検知アーキテクチャを見つけることができる。
論文 参考訳（メタデータ） (2021-10-24T12:20:04Z) - Feature Analysis for ML-based IIoT Intrusion Detection [0.0]
ネットワーク侵入検知システム(NIDS)の実装に強力な機械学習モデルが採用されている。
検出精度と計算効率を最大化するデータ特徴の適切なセットを選択することが重要である。
本稿では,ネットワーク攻撃の重要性と予測力の観点から,最適な特徴セットを広範囲に分析する。
論文 参考訳（メタデータ） (2021-08-29T02:19:37Z) - 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) - Searching Central Difference Convolutional Networks for Face
Anti-Spoofing [68.77468465774267]
顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。
最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。
ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
論文 参考訳（メタデータ） (2020-03-09T12:48:37Z) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳（メタデータ） (2020-03-04T12:27:36Z)
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。