Fugu-MT 論文翻訳(概要): A Matrix Factorization Based Network Embedding Method for DNS Analysis

論文の概要: A Matrix Factorization Based Network Embedding Method for DNS Analysis

arxiv url: http://arxiv.org/abs/2401.07410v2
Date: Thu, 28 Nov 2024 14:10:25 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-02 15:14:49.954509
Title: A Matrix Factorization Based Network Embedding Method for DNS Analysis
Title（参考訳）: 行列分解に基づくDNS解析のためのネットワーク埋め込み法
Authors: Meng Qin,
Abstract要約: 受動的ネットワークトラフィックログにDNSエンティティを特徴付けるネットワーク埋め込みの可能性について検討する。本稿では,MF-DNS-E (underlineMatrix-underlineFactorization-based UnderlineDNS underlineEmbedding)法を提案する。
参考スコア（独自算出の注目度）: 2.1842847029116443
License:
Abstract: In this paper, I explore the potential of network embedding (a.k.a. graph representation learning) to characterize DNS entities in passive network traffic logs. I propose an MF-DNS-E (\underline{M}atrix-\underline{F}actorization-based \underline{DNS} \underline{E}mbedding) method to represent DNS entities (e.g., domain names and IP addresses), where a random-walk-based matrix factorization objective is applied to learn the corresponding low-dimensional embeddings.
Abstract（参考訳）: 本稿では、受動的ネットワークトラフィックログにDNSエンティティを特徴付けるネットワーク埋め込み(グラフ表現学習)の可能性について検討する。本稿では,MF-DNS-E(\underline{M}atrix-\underline{F}actorization-based \underline{DNS} \underline{E}mbedding)手法を提案する。

関連論文リスト

MTDNS: Moving Target Defense for Resilient DNS Infrastructure [2.8721132391618256]
DNS (Domain Name System) はインターネット上でもっとも重要なコンポーネントの1つである。研究者は、DNSに対する攻撃を検出し、防御する方法を常に開発してきた。ほとんどのソリューションは、防御アプローチのためにパケットを破棄し、正当なパケットをドロップする可能性がある。我々は移動目標防衛技術を用いたMTDベースのレジリエントなMTDNSを提案する。
論文参考訳（メタデータ） (2024-10-03T06:47:16Z)
TI-DNS: A Trusted and Incentive DNS Resolution Architecture based on Blockchain [8.38094558878305]
ドメイン名システム(DNS)は、DNSキャッシュ中毒を含む悪意のある攻撃に対して脆弱である。本稿では,ブロックチェーンベースのDNS解決アーキテクチャであるTI-DNSについて述べる。 TI-DNSは、現在のDNSインフラストラクチャのリゾルバ側だけを変更する必要があるため、簡単に採用できる。
論文参考訳（メタデータ） (2023-12-07T08:03:10Z)
Accelerating Dynamic Network Embedding with Billions of Parameter Updates to Milliseconds [27.98359191399847]
本稿では,ノードごとの更新ではなく,埋め込み空間の軸を回転させ,拡張する新しい動的ネットワーク埋め込みパラダイムを提案する。具体的には,DAMF(Dynamic Adjacency Matrix Factorization)アルゴリズムを提案する。異なるサイズの動的グラフ上でのノード分類、リンク予測、グラフ再構成の実験は、DAMFが動的ネットワーク埋め込みを進めることを示唆している。
論文参考訳（メタデータ） (2023-06-15T09:02:17Z)
A cross-domain recommender system using deep coupled autoencoders [77.86290991564829]
クロスドメインレコメンデーションのために2つの新しい結合型オートエンコーダに基づくディープラーニング手法を提案する。最初の方法は、ソースドメインとターゲットドメイン内のアイテムの固有表現を明らかにするために、一対のオートエンコーダを同時に学習することを目的としている。第2の方法は,2つのオートエンコーダを用いてユーザとアイテム待ち行列を深く非線形に生成する,新たな共同正規化最適化問題に基づいて導出する。
論文参考訳（メタデータ） (2021-12-08T15:14:26Z)
A novel Deep Neural Network architecture for non-linear system identification [78.69776924618505]
非線形システム識別のための新しいDeep Neural Network (DNN)アーキテクチャを提案する。メモリシステムにインスパイアされたインダクティブバイアス(アーキテクチャ)と正規化(損失関数)を導入する。このアーキテクチャは、利用可能なデータのみに基づいて、自動的な複雑性の選択を可能にする。
論文参考訳（メタデータ） (2021-06-06T10:06:07Z)
Convolutional Dynamic Alignment Networks for Interpretable Classifications [108.83345790813445]
我々は、畳み込み動的アライメントネットワーク(CoDA-Nets)と呼ばれる新しいニューラルネットワークモデルを紹介する。コアとなるビルディングブロックは動的アライメントユニット(DAU)で、入力をタスク関連パターンと動的に整合する重みベクトルで線形に変換する。 CoDA-Netsは一連の入力依存線形変換を通じて分類予測をモデル化し、出力を個々の入力コントリビューションに線形分解することができる。
論文参考訳（メタデータ） (2021-03-31T18:03:53Z)
Dynamic Graph: Learning Instance-aware Connectivity for Neural Networks [78.65792427542672]
動的グラフネットワーク(DG-Net)は完全な有向非巡回グラフであり、ノードは畳み込みブロックを表し、エッジは接続経路を表す。ネットワークの同じパスを使用する代わりに、DG-Netは各ノードの機能を動的に集約する。
論文参考訳（メタデータ） (2020-10-02T16:50:26Z)
Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks [81.00481125272098]
本稿では,MA-PairRNN(Multi-view Attention-based Pairwise Recurrent Neural Network)を提案する。 MA-PairRNNは、不均一グラフ埋め込み学習とペアワイズ類似学習をフレームワークに統合する。実世界の2つのデータセットの結果から、我々のフレームワークは名前の曖昧さに対するパフォーマンスを著しく一貫した改善をしていることがわかる。
論文参考訳（メタデータ） (2020-08-30T06:08:20Z)
DNS Tunneling: A Deep Learning based Lexicographical Detection Approach [1.3701366534590496]
DNS Tunnelingは、マルウェアに感染したマシンとの双方向通信を確立するためにそれを利用するハッカーにとって魅力的なものだ。本稿では,アーキテクチャの複雑さを最小限に抑えた畳み込みニューラルネットワーク(CNN)に基づく検出手法を提案する。単純なアーキテクチャにもかかわらず、結果として得られたCNNモデルは、0.8%に近い偽陽性率でトンネル領域全体の92%以上を正しく検出した。
論文参考訳（メタデータ） (2020-06-11T00:10:13Z)
dynoNet: a neural network architecture for learning dynamical systems [0.0]
本稿では, 線形動的演算子を基本構造として利用したネットワークアーキテクチャ, dynoNetを提案する。そのパラメータと入力シーケンスの両方に関して線形力学演算子のバックプロパゲーション挙動が定義される。
論文参考訳（メタデータ） (2020-06-03T13:10:02Z)
Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
論文参考訳（メタデータ） (2020-03-27T08:32:16Z)

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。