論文の概要: Unsupervised Anomaly Detection in NSL-KDD Using $β$-VAE: A Latent Space and Reconstruction Error Approach

• arxiv url: http://arxiv.org/abs/2602.19785v1
• Date: Mon, 23 Feb 2026 12:42:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.812018
• Title: Unsupervised Anomaly Detection in NSL-KDD Using $β$-VAE: A Latent Space and Reconstruction Error Approach
• Title（参考訳）: β$-VAEを用いたNSL-KDDの非教師的異常検出 : 潜時空間と再構成誤差のアプローチ
• Authors: Dylan Baptiste, Ramla Saddem, Alexandre Philippot, François Foyer,
• Abstract要約: 本稿では,NSL-KDDデータセット上の$$$-Variational Autoencodersを用いて,ネットワークトラフィックの異常検出に対する教師なしアプローチについて検討する。 本研究では,実験試料からトレーニングデータ投影までの距離を計測することで,潜時空間構造を活用する方法と,従来の異常検出指標として再構成誤差を用いる方法について検討する。
• 参考スコア（独自算出の注目度）: 39.146761527401424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As Operational Technology increasingly integrates with Information Technology, the need for Intrusion Detection Systems becomes more important. This paper explores an unsupervised approach to anomaly detection in network traffic using $β$-Variational Autoencoders on the NSL-KDD dataset. We investigate two methods: leveraging the latent space structure by measuring distances from test samples to the training data projections, and using the reconstruction error as a conventional anomaly detection metric. By comparing these approaches, we provide insights into their respective advantages and limitations in an unsupervised setting. Experimental results highlight the effectiveness of latent space exploitation for classification tasks.
• Abstract（参考訳）: 操作技術が情報技術とますます統合されるにつれて、侵入検知システムの必要性が高まっている。 本稿では,NSL-KDDデータセット上の$β$-Variational Autoencodersを用いて,ネットワークトラフィックの異常検出に対する教師なしアプローチについて検討する。 本研究では,実験試料からトレーニングデータ投影までの距離を計測することで,潜時空間構造を活用する方法と,従来の異常検出指標として再構成誤差を用いる方法について検討する。 これらのアプローチを比較することで、教師なしの環境でそれぞれの利点と限界について洞察を提供する。 実験結果は,分類作業における潜時空間利用の有効性を浮き彫りにした。

関連論文リスト

• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Training a Bidirectional GAN-based One-Class Classifier for Network Intrusion Detection [8.158224495708978]
  既存の生成逆数ネットワーク(GAN)は、主に実物から合成サンプルを作成するために使用される。 提案手法では,Bidirectional GAN (Bi-GAN) に基づく一級分類器として,訓練されたエンコーダ識別器を構築した。 実験結果から,提案手法はネットワーク侵入検出タスクにおいて有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-02-02T23:51:11Z)
• Bridging the gap to real-world for network intrusion detection systems with data-centric approach [1.4699455652461724]
  本稿では、NIDS研究の現在の限界に対処するために、体系的なデータ中心のアプローチを提案する。 最新のネットワークトラフィックとアタックで構成されたNIDSデータセットを生成し、ラベリングプロセスは設計によって統合される。
  論文  参考訳（メタデータ） (2021-10-25T04:50:12Z)

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。