論文の概要: Machine Learning Approach on Multiclass Classification of Internet
Firewall Log Files
- arxiv url: http://arxiv.org/abs/2306.07997v1
- Date: Mon, 12 Jun 2023 19:04:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 23:42:16.173549
- Title: Machine Learning Approach on Multiclass Classification of Internet
Firewall Log Files
- Title(参考訳): インターネットファイアウォールログファイルのマルチクラス分類に関する機械学習アプローチ
- Authors: Md Habibur Rahman, Taminul Islam, Md Masum Rana, Rehnuma Tasnim,
Tanzina Rahman Mona, Md. Mamun Sakib
- Abstract要約: ファイアウォールの主な機能は、悪意のあるデータパケットが送信されるのを防ぐことである。
本研究では,ファイアウォールデバイスに記録されたデータを理解するために,様々な分類アルゴリズムを適用した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Firewalls are critical components in securing communication networks by
screening all incoming (and occasionally exiting) data packets. Filtering is
carried out by comparing incoming data packets to a set of rules designed to
prevent malicious code from entering the network. To regulate the flow of data
packets entering and leaving a network, an Internet firewall keeps a track of
all activity. While the primary function of log files is to aid in
troubleshooting and diagnostics, the information they contain is also very
relevant to system audits and forensics. Firewalls primary function is to
prevent malicious data packets from being sent. In order to better defend
against cyberattacks and understand when and how malicious actions are
influencing the internet, it is necessary to examine log files. As a result,
the firewall decides whether to 'allow,' 'deny,' 'drop,' or 'reset-both' the
incoming and outgoing packets. In this research, we apply various
categorization algorithms to make sense of data logged by a firewall device.
Harmonic mean F1 score, recall, and sensitivity measurement data with a 99%
accuracy score in the random forest technique are used to compare the
classifier's performance. To be sure, the proposed characteristics did
significantly contribute to enhancing the firewall classification rate, as seen
by the high accuracy rates generated by the other methods.
- Abstract(参考訳): ファイアウォールは、すべての入ってくる(そして時々出る)データパケットをスクリーニングすることで、通信ネットワークを確保する上で重要なコンポーネントである。
フィルタリングは、入ってくるデータパケットと悪意のあるコードがネットワークに入るのを防ぐために設計された一連のルールを比較して行われる。
ネットワークを入出するデータパケットの流れを制御するため、インターネットファイアウォールは、すべてのアクティビティのトラックを保持する。
ログファイルの主な機能はトラブルシューティングと診断を支援することだが、それらに含まれる情報はシステム監査や法医学にも非常に関係している。
ファイアウォールの主な機能は、悪意のあるデータパケットの送信を防ぐことである。
サイバー攻撃に対する防御を強化し、いつ、どのように悪意ある行動がインターネットに影響を与えるかを理解するためには、ログファイルを調べる必要がある。
その結果、ファイアウォールは、入出パケットを「許容」、「デニー」、「ドロップ」、または「リセットする」かを判定する。
本研究では,ファイアウォール装置が記録したデータを理解するために,様々な分類アルゴリズムを適用する。
ランダムフォレスト手法における99%の精度スコアを有するハーモニック平均f1スコア、リコール、感度測定データを用いて、分類器の性能を比較する。
提案手法は,他の手法で生成された高い精度で,ファイアウォール分類率の向上に大きく寄与した。
関連論文リスト
- Robust Federated Learning Mitigates Client-side Training Data
Distribution Inference Attacks [53.210725411547806]
InferGuardは、クライアント側のトレーニングデータ分散推論攻撃に対する防御を目的とした、新しいビザンチン・ロバスト集約ルールである。
実験の結果,我々の防衛機構はクライアント側のトレーニングデータ分布推定攻撃に対する防御に極めて有効であることが示唆された。
論文 参考訳(メタデータ) (2024-03-05T17:41:35Z) - Pre-trained Encoders in Self-Supervised Learning Improve Secure and
Privacy-preserving Supervised Learning [63.45532264721498]
自己教師付き学習は、ラベルのないデータを使ってエンコーダを事前訓練するための新しいテクニックである。
我々は、事前訓練されたエンコーダがセキュア・プライバシ保護型学習アルゴリズムの限界に対処できるかどうかを理解するための、最初の体系的、原則的な測定研究を行う。
論文 参考訳(メタデータ) (2022-12-06T21:35:35Z) - ENCODE: Encoding NetFlows for Network Anomaly Detection [17.94733537757708]
多くの研究が、NetFlowデータを使用してネットワーク攻撃を検出するために機械学習を使用している。
特徴値の周波数と文脈を考慮に入れた符号化アルゴリズムを提案する。
アルゴリズムで符号化されたデータを用いて、異常検出のための機械学習モデルをトレーニングする。
論文 参考訳(メタデータ) (2022-07-08T13:25:06Z) - Early Detection of Network Attacks Using Deep Learning [0.0]
ネットワーク侵入検知システム(英: Network Intrusion Detection System、IDS)は、ネットワークトラフィックを観察することによって、不正かつ悪意のない行動を特定するためのツールである。
本稿では,攻撃対象のシステムにダメージを与える前に,ネットワーク攻撃を防止するために,エンド・ツー・エンドの早期侵入検知システムを提案する。
論文 参考訳(メタデータ) (2022-01-27T16:35:37Z) - Modern Cybersecurity Solution using Supervised Machine Learning [0.456877715768796]
従来のファイアウォールと侵入検知システムは、設定されたルールにマッチしない新しい攻撃、ゼロデイ攻撃、トラフィックパターンの検出に失敗する。
我々はNetflowデータセットを用いて、データ分析を適用した後に特徴を抽出した。
我々の実験は、機械学習アルゴリズムがBotトラフィック、Malwareトラフィック、バックグラウンドトラフィックをいかに効率的に検出できるかに焦点を当てている。
論文 参考訳(メタデータ) (2021-09-15T22:03:50Z) - Intrusion detection in computer systems by using artificial neural
networks with Deep Learning approaches [0.0]
コンピュータネットワークへの侵入検知は、サイバーセキュリティにおける最も重要な問題の1つとなっている。
本稿では,ディープラーニングアーキテクチャに基づく侵入検知システムの設計と実装に焦点を当てる。
論文 参考訳(メタデータ) (2020-12-15T19:12:23Z) - 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) - Cassandra: Detecting Trojaned Networks from Adversarial Perturbations [92.43879594465422]
多くの場合、事前トレーニングされたモデルは、トロイの木馬の振る舞いをモデルに挿入するためにトレーニングパイプラインを中断したかもしれないベンダーから派生している。
本稿では,事前学習したモデルがトロイの木馬か良馬かを検証する手法を提案する。
本手法は,ニューラルネットワークの指紋を,ネットワーク勾配から学習した逆方向の摂動の形でキャプチャする。
論文 参考訳(メタデータ) (2020-07-28T19:00:40Z) - Key Points Estimation and Point Instance Segmentation Approach for Lane
Detection [65.37887088194022]
本稿では,PINet (Point Instance Network) と呼ばれるトラヒックライン検出手法を提案する。
PINetには、同時にトレーニングされる複数のスタックされた時間ガラスネットワークが含まれている。
PINetはTuSimpleとCulaneのデータセットで競合精度と偽陽性を達成する。
論文 参考訳(メタデータ) (2020-02-16T15:51:30Z) - Learning with Out-of-Distribution Data for Audio Classification [60.48251022280506]
我々は,OODインスタンスを破棄するよりも,特定のOODインスタンスを検出・復号化することで,学習に肯定的な影響を及ぼすことを示す。
提案手法は,畳み込みニューラルネットワークの性能を著しく向上させる。
論文 参考訳(メタデータ) (2020-02-11T21:08:06Z) - Detecting Network Anomalies using Rule-based machine learning within
SNMP-MIB dataset [0.5156484100374059]
本稿では、DOS攻撃と通常のトラフィックを区別するために、採用データセットに依存するネットワークトラフィックシステムを開発した。
検出モデルは5つのルールベース機械学習分類器(DecisionTable, JRip, OneR, Part, ZeroR)で構築される。
論文 参考訳(メタデータ) (2020-01-18T13:05:41Z)
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。