論文の概要: An Investigation into the Performances of the State-of-the-art Machine
Learning Approaches for Various Cyber-attack Detection: A Survey
- arxiv url: http://arxiv.org/abs/2402.17045v1
- Date: Mon, 26 Feb 2024 22:04:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 18:36:01.832039
- Title: An Investigation into the Performances of the State-of-the-art Machine
Learning Approaches for Various Cyber-attack Detection: A Survey
- Title(参考訳): サイバー攻撃検出のための最先端機械学習手法の性能に関する調査
- Authors: Tosin Ige, Christopher Kiekintveld, Aritran Piplai
- Abstract要約: 機械学習は、ソフトウェアの脆弱性の早期検出から、システムの進行中の妥協のリアルタイム検出まで、システムを保護する上で最も効果的な方法である。
サイバー攻撃にはさまざまな種類があるため、既存の最先端の機械学習モデルはそれぞれ、トレーニングのための異なるアルゴリズムに依存している。
この研究は、過去10年間のさまざまなサイバー攻撃検出のための最先端の機械学習モデルについて分析した。
- 参考スコア(独自算出の注目度): 1.3353802999735709
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To secure computers and information systems from attackers taking advantage
of vulnerabilities in the system to commit cybercrime, several methods have
been proposed for real-time detection of vulnerabilities to improve security
around information systems. Of all the proposed methods, machine learning had
been the most effective method in securing a system with capabilities ranging
from early detection of software vulnerabilities to real-time detection of
ongoing compromise in a system. As there are different types of cyberattacks,
each of the existing state-of-the-art machine learning models depends on
different algorithms for training which also impact their suitability for
detection of a particular type of cyberattack. In this research, we analyzed
each of the current state-of-theart machine learning models for different types
of cyberattack detection from the past 10 years with a major emphasis on the
most recent works for comparative study to identify the knowledge gap where
work is still needed to be done with regard to detection of each category of
cyberattack
- Abstract(参考訳): サイバー犯罪を犯すシステムの脆弱性を利用して攻撃者からコンピュータや情報システムを保護するために,情報システムのセキュリティを改善するために,脆弱性をリアルタイムに検出する方法が提案されている。
提案手法のすべてにおいて、機械学習は、ソフトウェア脆弱性の早期検出からシステム内の進行中の妥協のリアルタイム検出まで、システムのセキュリティにおいて最も効果的な方法であった。
異なるタイプのサイバー攻撃が存在するため、既存の最先端の機械学習モデルはそれぞれ、トレーニングのための異なるアルゴリズムに依存しており、特定のタイプのサイバー攻撃の検出に適している。
本研究では,過去10年間のさまざまなサイバー攻撃検出のための最先端機械学習モデルについて,最新の研究成果を中心に分析し,サイバー攻撃のカテゴリごとに作業を行うために必要な知識ギャップを特定することを目的とした。
関連論文リスト
- Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳(メタデータ) (2023-04-02T08:43:03Z) - Adversarial Attacks and Defenses in Machine Learning-Powered Networks: A
Contemporary Survey [114.17568992164303]
機械学習とディープニューラルネットワークにおけるアドリアックと防御が注目されている。
本調査は、敵攻撃・防衛技術分野における最近の進歩を包括的に概観する。
検索ベース、意思決定ベース、ドロップベース、物理世界攻撃など、新たな攻撃方法も検討されている。
論文 参考訳(メタデータ) (2023-03-11T04:19:31Z) - Ensemble learning techniques for intrusion detection system in the
context of cybersecurity [0.0]
侵入検知システムの概念は、より良い結果を得るためにデータマイニングと機械学習オレンジツールを応用した。
本研究の目的は,SVM (Support Vector Machine) と kNearest Neighbour (kNN) アルゴリズムによって支援されたスタックリング手法を用いて,アンサンブル学習手法を検討することである。
論文 参考訳(メタデータ) (2022-12-21T10:50:54Z) - Intrusion Detection Systems Using Support Vector Machines on the
KDDCUP'99 and NSL-KDD Datasets: A Comprehensive Survey [6.847009696437944]
我々は、サイバーセキュリティにおいて最も広く使われている2つのデータセット、すなわちKDDCUP'99とNSL-KDDデータセットで評価された研究に焦点を当てた。
本稿では,SVMの役割や研究に関わるアルゴリズムについて,各手法の概要について述べる。
論文 参考訳(メタデータ) (2022-09-12T20:02:12Z) - Towards Automated Classification of Attackers' TTPs by combining NLP
with ML Techniques [77.34726150561087]
我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。
本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
論文 参考訳(メタデータ) (2022-07-18T09:59:21Z) - Detect & Reject for Transferability of Black-box Adversarial Attacks
Against Network Intrusion Detection Systems [0.0]
本稿では,機械学習による侵入検知システムに対する敵ネットワークトラフィックの転送可能性について検討する。
本研究では,機械学習による侵入検知システムに対する対向的ネットワークトラフィックの転送可能性特性の影響を抑えるための防御機構として検出・削除を検討した。
論文 参考訳(メタデータ) (2021-12-22T17:54:54Z) - A Heterogeneous Graph Learning Model for Cyber-Attack Detection [4.559898668629277]
サイバー攻撃は、ハッカーが標的とする情報システムに侵入する悪意のある試みである。
本稿では,証明データに基づく知的サイバー攻撃検出手法を提案する。
実験の結果,提案手法は他の学習ベース検出モデルよりも優れていることがわかった。
論文 参考訳(メタデータ) (2021-12-16T16:03:39Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳(メタデータ) (2020-10-19T13:09:31Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳(メタデータ) (2020-07-05T18:22:40Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳(メタデータ) (2020-01-27T11:21:05Z)
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。