論文の概要: Feature Selection using the concept of Peafowl Mating in IDS
- arxiv url: http://arxiv.org/abs/2402.02052v1
- Date: Sat, 3 Feb 2024 06:04:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 22:25:28.675901
- Title: Feature Selection using the concept of Peafowl Mating in IDS
- Title（参考訳）: IDSにおけるPeafowl Matingの概念を用いた特徴選択
- Authors: Partha Ghosh, Joy Sharma and Nilesh Pandey
- Abstract要約: クラウドコンピューティングはインフラストラクチャベース、プラットフォームベース、ソフトウェアベースのサービスを提供します。
この技術の人気は、パフォーマンス、高いレベルのコンピューティング能力、低コストのサービス、スケーラビリティ、可用性、柔軟性にある。
クラウド環境におけるデータの入手性とオープン性は、サイバー攻撃の世界に対して脆弱である。
侵入検知システムを用いて攻撃を検知し、情報セキュリティを確保する。
- 参考スコア（独自算出の注目度）: 2.184775414778289
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cloud computing has high applicability as an Internet based service that
relies on sharing computing resources. Cloud computing provides services that
are Infrastructure based, Platform based and Software based. The popularity of
this technology is due to its superb performance, high level of computing
ability, low cost of services, scalability, availability and flexibility. The
obtainability and openness of data in cloud environment make it vulnerable to
the world of cyber-attacks. To detect the attacks Intrusion Detection System is
used, that can identify the attacks and ensure information security. Such a
coherent and proficient Intrusion Detection System is proposed in this paper to
achieve higher certainty levels regarding safety in cloud environment. In this
paper, the mating behavior of peafowl is incorporated into an optimization
algorithm which in turn is used as a feature selection algorithm. The algorithm
is used to reduce the huge size of cloud data so that the IDS can work
efficiently on the cloud to detect intrusions. The proposed model has been
experimented with NSL-KDD dataset as well as Kyoto dataset and have proved to
be a better as well as an efficient IDS.
- Abstract（参考訳）: クラウドコンピューティングは、コンピューティングリソースの共有に依存するインターネットベースのサービスとして、高い適用性を持っている。
クラウドコンピューティングはインフラストラクチャベース、プラットフォームベース、ソフトウェアベースのサービスを提供します。
この技術の人気は、その超高性能、高レベルのコンピューティング能力、サービスの低コスト、スケーラビリティ、可用性、柔軟性にある。
クラウド環境におけるデータの入手性とオープン性は、サイバー攻撃の世界に脆弱性をもたらします。
攻撃侵入検知システムは、攻撃を識別し、情報セキュリティを確保することができる。
本稿では,クラウド環境における安全性に関する高い確実性を実現するため,このようなコヒーレントで熟練した侵入検知システムを提案する。
本稿では,peafowlの交配動作を最適化アルゴリズムに組み込むことにより,特徴選択アルゴリズムとして用いる。
このアルゴリズムは、クラウドデータの巨大なサイズを減らすために使用され、IDSがクラウド上で効率的に動作して侵入を検出する。
提案モデルでは,NSL-KDDデータセットと京都データセットを併用して実験を行い,効率的なIDSの有効性を実証した。
関連論文リスト
- Homomorphic Encryption-Enabled Federated Learning for Privacy-Preserving Intrusion Detection in Resource-Constrained IoV Networks [20.864048794953664]
本稿では,IoV(Internet-of-Vehicles)におけるフェデレーション学習(FL)ベースの侵入検知システム(IDS)におけるデータプライバシ問題に,限られた計算資源で対処する新しい枠組みを提案する。
まず,同相暗号を用いた高効率なフレームワークを提案し,処理に中央集中型サーバにオフロードを必要とするデータを保護する。
我々は、FLベースのシステムの課題を暗号化データで処理するための効果的なトレーニングアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-07-26T04:19:37Z) - AI-Enabled System for Efficient and Effective Cyber Incident Detection and Response in Cloud Environments [0.0]
クラウド環境における高度なサイバー脅威の増大は、戦略のパラダイムシフトを必要とする。
本研究は,AIとMLの応用を探求し,クラウド環境に対するAIを活用したサイバーインシデント応答システムを提案する。
この結果はランダムフォレストモデルの有効性を強調し、ネットワークトラフィックの精度90%、マルウェア分析デュアルモデルアプリケーションの96%を達成した。
論文 参考訳（メタデータ） (2024-04-08T15:22:03Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Toward a real-time TCP SYN Flood DDoS mitigation using Adaptive Neuro-Fuzzy classifier and SDN Assistance in Fog Computing [0.31318403497744784]
本稿では,適応型ニューロファジィ推論システム(ANFIS)とSDN(Software Defined Networking)アシスタンス(FASA)を用いたフォグコンピューティングによるシンフラッドDDoS攻撃の軽減を提案する。
シミュレーションの結果、FASAシステムは精度、精度、リコール、F1スコアで他のアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2023-11-27T08:54:00Z) - Risk-optimized Outlier Removal for Robust 3D Point Cloud Classification [54.286437930350445]
本稿では,各種ノイズによる点雲分類の課題について述べる。
本稿では,下流分類モデルのパワーを生かした革新的なポイントアウトリア浄化手法を提案する。
提案手法は, 多様な点雲の異常値を頑健にフィルタするだけでなく, 既存の点雲分類手法を大幅に強化する。
論文 参考訳（メタデータ） (2023-07-20T13:47:30Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z) - FedSup: A Communication-Efficient Federated Learning Fatigue Driving
Behaviors Supervision Framework [10.38729333916008]
FedSupは、プライバシーと効率的な疲労検出のためのクライアントエッジクラウドフレームワークです。
FedSupは、フェデレーション学習技術にインスパイアされ、クライアント、エッジ、クラウドサーバー間のコラボレーションをインテリジェントに活用します。
論文 参考訳（メタデータ） (2021-04-25T07:16:49Z) - Machine Learning Algorithms for Active Monitoring of High Performance
Computing as a Service (HPCaaS) Cloud Environments [0.0]
本稿では,HPCプラットフォームとして構成されたクラウドインフラストラクチャ上で動作するエンジニアリングアプリケーションの実用性について検討する。
この研究で考慮された工学的応用としては、ロスアラモス国立研究所が開発した放射線輸送コードMCNP6、オープンソースの計算流体力学コードOpenFOAM、素数分解に使用される一般数場シーブアルゴリズムCADONFSなどがある。
論文 参考訳（メタデータ） (2020-09-26T01:29:19Z) - 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) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳（メタデータ） (2020-03-30T15:12:03Z)
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。