論文の概要: Hybrid IDS Using Signature-Based and Anomaly-Based Detection
- arxiv url: http://arxiv.org/abs/2601.11998v1
- Date: Sat, 17 Jan 2026 10:19:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:22.411403
- Title: Hybrid IDS Using Signature-Based and Anomaly-Based Detection
- Title（参考訳）: 符号ベースと異常検出を用いたハイブリッドIDS
- Authors: Messaouda Boutassetta, Amina Makhlouf, Newfel Messaoudi, Abdelmadjid Benmachiche, Ines Boutabia,
- Abstract要約: 侵入検知システム(IDS)は、コンピュータシステムやネットワークを広範囲のサイバー脅威から保護するために不可欠である。
IDSは一般的に2つの主要なタイプに分類される。
本稿では,シグネチャベースと異常検出技術を統合したハイブリッドIDSの概要を述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Intrusion detection systems (IDS) are essential for protecting computer systems and networks against a wide range of cyber threats that continue to evolve over time. IDS are commonly categorized into two main types, each with its own strengths and limitations, such as difficulty in detecting previously unseen attacks and the tendency to generate high false positive rates. This paper presents a comprehensive survey and a conceptual overview of Hybrid IDS, which integrate signature-based and anomaly-based detection techniques to enhance attack detection capabilities. The survey examines recent research on Hybrid IDS, classifies existing models into functional categories, and discusses their advantages, limitations, and application domains, including financial systems, air traffic control, and social networks. In addition, recent trends in Hybrid IDS research, such as machine learning-based approaches and cloud-based deployments, are reviewed. Finally, this work outlines potential future research directions aimed at developing more cost-effective Hybrid IDS solutions with improved ability to detect emerging and sophisticated cyberattacks.
- Abstract（参考訳）: 侵入検知システム(IDS)は、時間とともに進化を続ける幅広いサイバー脅威に対して、コンピュータシステムやネットワークを保護するために不可欠である。
IDSは一般的に2つの主要なタイプに分類されるが、それぞれ独自の強度と制限がある。
本稿では,シグネチャベースおよび異常検出技術を統合して攻撃検出機能を向上させるハイブリッドIDSの包括的調査と概念的概要について述べる。
本調査では, ハイブリッドIDSに関する最近の研究について検討し, 既存モデルを機能カテゴリに分類し, その利点, 限界, アプリケーションドメイン(金融システム, 航空交通制御, ソーシャルネットワークなど)について考察した。
さらに、マシンラーニングベースのアプローチやクラウドベースのデプロイメントなど、ハイブリッドIDS研究の最近のトレンドについてもレビューする。
最後に、この研究は、よりコスト効率の良いハイブリッドIDSソリューションを開発し、新しく洗練されたサイバー攻撃を検出する能力を向上させることを目的とした、将来の研究の方向性を概説する。
関連論文リスト
- Learning from Few Samples: A Novel Approach for High-Quality Malcode Generation [47.76793060077816]
侵入検知システム(IDS)は,ネットワークセキュリティ防衛において重要な役割を担っている。
検出モデルのトレーニングにおけるIDSの重要な課題は、適切にラベル付けされた悪意のあるサンプルが不足していることである。
本稿では、GAN(Generative Adrial Networks)とLLM(Large Language Models)を統合した、新しい半教師付きフレームワーク textbfGANGRL-LLMを提案する。
論文 参考訳（メタデータ） (2025-08-25T15:55:17Z) - Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - A Review of Various Datasets for Machine Learning Algorithm-Based Intrusion Detection System: Advances and Challenges [0.40964539027092917]
IDSは、不正アクセスを防止し、機密情報を保護するために、コンピュータネットワークをセキュリティ脅威から保護し、通知し、適切なアクションを取ることを目的としている。
研究者は、一般的なデータセットを機械学習アルゴリズムに組み込むことで、IDSの有効性を高めている。
本稿では、侵入検知システム(IDS)を捕捉・レビューする方法について検討し、既存のデータセットが直面する課題を評価する。
論文 参考訳（メタデータ） (2025-06-03T04:47:21Z) - Modern DDoS Threats and Countermeasures: Insights into Emerging Attacks and Detection Strategies [49.57278643040602]
分散型サービス拒否(DDoS)攻撃は、オンラインサービスとインフラストラクチャに対する重大な脅威として継続する。
本稿は、過去10年間のDDoS攻撃と検出戦略の包括的調査を提供する。
論文 参考訳（メタデータ） (2025-02-27T11:22:25Z) - Hybrid Machine Learning Models for Intrusion Detection in IoT: Leveraging a Real-World IoT Dataset [0.0]
これらの脅威を緩和するためには、侵入検知システム(IDS)が不可欠である。
機械学習(ML)の最近の進歩は、改善のための有望な道を提供する。
本研究は、いくつかのスタンドアロンMLモデルを組み合わせたハイブリッドアプローチを探求する。
論文 参考訳（メタデータ） (2025-02-17T23:41:10Z) - An Anomaly Detection System Based on Generative Classifiers for Controller Area Network [7.537220883022467]
現代の車両は様々な種類の攻撃を受けやすいため、攻撃者はコントロールを獲得し、安全クリティカルなシステムを妥協することができる。
車両へのサイバー攻撃を検出するために、いくつかの侵入検知システム(IDS)が文献で提案されている。
本稿では,自動車ネットワークにおける異常検出のための新しい生成型分類器を用いたIDSを提案する。
論文 参考訳（メタデータ） (2024-12-28T19:59:33Z) - 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) - 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) - False Data Injection Threats in Active Distribution Systems: A
Comprehensive Survey [1.9084046244608193]
いくつかの最先端技術の統合により、セキュリティとプライバシの脆弱性がいくつか導入されている。
最近の研究動向は、False Data Injection(FDI)攻撃がスマートグリッドパラダイム全体で最も悪意のあるサイバー脅威の1つになっていることを示している。
論文 参考訳（メタデータ） (2021-11-28T22:25:15Z) - G-IDS: Generative Adversarial Networks Assisted Intrusion Detection
System [1.5119440099674917]
本稿では,GANによる侵入検知システム(G-IDS)を提案する。
G-IDSは合成サンプルを生成し、IDSは元のサンプルとともにそれらを訓練する。
提案したG-IDSモデルは,スタンドアロンのIDSよりも,トレーニングプロセス中の攻撃検出とモデルの安定化に優れていた。
論文 参考訳（メタデータ） (2020-06-01T02:42:46Z) - 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。