論文の概要: An Effective Networks Intrusion Detection Approach Based on Hybrid
Harris Hawks and Multi-Layer Perceptron
- arxiv url: http://arxiv.org/abs/2402.14037v1
- Date: Wed, 21 Feb 2024 06:25:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-23 17:32:46.208021
- Title: An Effective Networks Intrusion Detection Approach Based on Hybrid
Harris Hawks and Multi-Layer Perceptron
- Title（参考訳）: ハイブリッドハリスホークスと多層パーセプトロンを用いた効果的なネットワーク侵入検出手法
- Authors: Moutaz Alazab, Ruba Abu Khurma, Pedro A. Castillo, Bilal Abu-Salih,
Alejandro Martin, David Camacho
- Abstract要約: 本稿では,Harris Hawks Optimization (HHO) を用いた多層パーセプトロン学習のための侵入検知システムを提案する。
HHO-MLPは、ネットワークの侵入検出エラーを最小限に抑えるため、学習プロセスにおいて最適なパラメータを選択することを目的としている。
HHO-MLPは、93.17%の精度、95.41%の感度、95.41%の特異度でトップスコアを獲得することで、優れた性能を示した。
- 参考スコア（独自算出の注目度）: 47.81867479735455
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes an Intrusion Detection System (IDS) employing the Harris
Hawks Optimization algorithm (HHO) to optimize Multilayer Perceptron learning
by optimizing bias and weight parameters. HHO-MLP aims to select optimal
parameters in its learning process to minimize intrusion detection errors in
networks. HHO-MLP has been implemented using EvoloPy NN framework, an
open-source Python tool specialized for training MLPs using evolutionary
algorithms. For purposes of comparing the HHO model against other evolutionary
methodologies currently available, specificity and sensitivity measures,
accuracy measures, and mse and rmse measures have been calculated using KDD
datasets. Experiments have demonstrated the HHO MLP method is effective at
identifying malicious patterns. HHO-MLP has been tested against evolutionary
algorithms like Butterfly Optimization Algorithm (BOA), Grasshopper
Optimization Algorithms (GOA), and Black Widow Optimizations (BOW), with
validation by Random Forest (RF), XG-Boost. HHO-MLP showed superior performance
by attaining top scores with accuracy rate of 93.17%, sensitivity level of
89.25%, and specificity percentage of 95.41%.
- Abstract（参考訳）: 本稿では、ハリスホークス最適化アルゴリズム(HHO)を用いた侵入検知システム(IDS)を提案し、バイアスと重みパラメータを最適化して多層パーセプトロン学習を最適化する。
HHO-MLPは、ネットワークの侵入検出エラーを最小限に抑えるため、学習プロセスにおいて最適なパラメータを選択することを目的としている。
HHO-MLPは、進化アルゴリズムを使用したMLPのトレーニングに特化したオープンソースのPythonツールであるEvoloPy NNフレームワークを使用して実装されている。
HHOモデルと現在利用可能な他の進化的方法論を比較するため、KDDデータセットを用いて特異性と感度測定、精度測定、mseおよびrmse測定が算出されている。
HHO MLP法は悪意のあるパターンの同定に有効であることを示した。
HHO-MLPは,Butterfly Optimization Algorithm (BOA), Grasshopper Optimization Algorithms (GOA), Black Widow Optimizations (BOW), Random Forest (RF), XG-Boost などの進化的アルゴリズムに対してテストされている。
HHO-MLPは93.17%の精度、89.25%の感度、95.41%の特異度でトップスコアを獲得することで優れた性能を示した。
関連論文リスト
- Poisson Process for Bayesian Optimization [126.51200593377739]
本稿では、Poissonプロセスに基づくランキングベースの代理モデルを提案し、Poisson Process Bayesian Optimization(PoPBO)と呼ばれる効率的なBOフレームワークを提案する。
従来のGP-BO法と比較すると,PoPBOはコストが低く,騒音に対する堅牢性も良好であり,十分な実験により検証できる。
論文 参考訳（メタデータ） (2024-02-05T02:54:50Z) - Genetically Modified Wolf Optimization with Stochastic Gradient Descent
for Optimising Deep Neural Networks [0.0]
本研究の目的は、人口ベースメタヒューリスティックアルゴリズムを用いて、ニューラルネットワーク(NN)重み付けを最適化するための代替アプローチを分析することである。
Grey Wolf (GWO) と Genetic Modified Algorithms (GA) のハイブリッドをグラディエント・Descent (SGD) と組み合わせて検討した。
このアルゴリズムは、高次元性の問題にも対処しながら、エクスプロイトと探索の組み合わせを可能にする。
論文 参考訳（メタデータ） (2023-01-21T13:22:09Z) - An efficient hybrid classification approach for COVID-19 based on Harris
Hawks Optimization and Salp Swarm Optimization [0.0]
本研究では、Covid-19分類のためのHarris Hawks Optimization Algorithm(HHO)とSalp Swarm Optimization(SSA)のハイブリッドバイナリバージョンを提案する。
提案アルゴリズム(HHOSSA)は,SVMで96%の精度,2つの分類器で98%,98%の精度を達成した。
論文 参考訳（メタデータ） (2022-12-25T19:52:18Z) - Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。
本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。
我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
論文 参考訳（メタデータ） (2022-09-27T07:58:25Z) - Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。
木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。
3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文 参考訳（メタデータ） (2022-09-09T14:58:43Z) - Enhancing Explainability of Hyperparameter Optimization via Bayesian
Algorithm Execution [13.037647287689438]
部分依存プロットのような解釈可能な機械学習(IML)手法とHPOの組み合わせについて検討する。
我々は,最適大域的予測性能を効率的に探索する改良HPO法を提案する。
提案手法は,最適化性能を損なうことなく,ブラックボックスの信頼性の高い説明を返す。
論文 参考訳（メタデータ） (2022-06-11T07:12:04Z) - Using Fitness Dependent Optimizer for Training Multi-layer Perceptron [13.280383503879158]
本研究は、最近提案されたFDO(Fitness Dependent)に依存する新しいトレーニングアルゴリズムを提案する。
このアルゴリズムの安定性は、探索と搾取の両方の段階で検証され、性能が保証されている。
FDOをトレーナーとして使用するアプローチは、データセット上で異なるトレーナーを使用して他のアプローチよりも優れている。
論文 参考訳（メタデータ） (2022-01-03T10:23:17Z) - Synthesizing multi-layer perceptron network with ant lion,
biogeography-based dragonfly algorithm evolutionary strategy invasive weed
and league champion optimization hybrid algorithms in predicting heating load
in residential buildings [1.370633147306388]
熱負荷(hl)の正確な近似の意義は,本研究の主な動機である。
提案モデルはant lion optimization (alo) を用いた多層パーセプトロンネットワーク (mlp) である。
ALO(OS = 27)とES(OS = 20)が続く最も有効な最適化技術として、BBO(Biogeography-based optimization)が注目されています。
論文 参考訳（メタデータ） (2021-02-13T14:06:55Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - 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)
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。