論文の概要: Role Classification of Hosts within Enterprise Networks Based on Connection Patterns
- arxiv url: http://arxiv.org/abs/2603.09910v1
- Date: Tue, 10 Mar 2026 17:04:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-11 15:25:24.488914
- Title: Role Classification of Hosts within Enterprise Networks Based on Connection Patterns
- Title（参考訳）: 接続パターンに基づく企業ネットワークにおけるホストの役割分類
- Authors: Godfrey Tan, Massimiliano Poletto, John Guttag, Frans Kaashoek,
- Abstract要約: 役割分類では、ホストを関連する役割に分類する。
侵入検知などのネットワーク監視および解析アルゴリズムの精度を向上させるために使用できる。
本稿では、観測された接続パターンに基づいてホストをグループ化する2つの実用的なアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Role classification involves grouping hosts into related roles. It exposes the logical structure of a network, simplifies network management tasks such as policy checking and network segmentation, and can be used to improve the accuracy of network monitoring and analysis algorithms such as intrusion detection. This paper defines the role classification problem and introduces two practical algorithms that group hosts based on observed connection patterns while dealing with changes in these patterns over time. The algorithms have been implemented in a commercial network monitoring and analysis product for enterprise networks. Results from grouping two enterprise networks show that the number of groups identified by our algorithms can be two orders of magnitude smaller than the number of hosts and that the way our algorithms group hosts highly reflects the logical structure of the networks.
- Abstract（参考訳）: 役割分類では、ホストを関連する役割に分類する。
ネットワークの論理構造を公開し、ポリシーチェックやネットワークセグメンテーションなどのネットワーク管理タスクを単純化し、侵入検知などのネットワーク監視と分析アルゴリズムの精度を向上させるために使用できる。
本稿では、役割分類の問題を定義し、これらのパターンの変化を時間とともに処理しながら、観測された接続パターンに基づいてホストをグループ化する2つの実用的なアルゴリズムを提案する。
このアルゴリズムは、エンタープライズネットワークのための商用ネットワーク監視および分析製品として実装されている。
2つのエンタープライズネットワークをグループ化した結果、我々のアルゴリズムによって同定されたグループの数は、ホストの数よりも2桁小さくなり、我々のアルゴリズムグループがホストする方法は、ネットワークの論理構造を非常に反映していることがわかった。
関連論文リスト
- Unsupervised Graph Attention Autoencoder for Attributed Networks using
K-means Loss [0.0]
我々は、属性付きネットワークにおけるコミュニティ検出のための、教師なしのtextbfGraph Attention textbfAutotextbfEncoder に基づく、シンプルで効率的なクラスタリング指向モデルを提案する。
提案モデルは,ネットワークのトポロジと属性情報の両方から表現を十分に学習し,同時に2つの目的,すなわち再構築とコミュニティ発見に対処する。
論文 参考訳（メタデータ） (2023-11-21T20:45:55Z) - Detecting Evidence of Organization in groups by Trajectories [0.0]
本稿では,エージェント・トラジェクトリに基づくネットワーク構造推定のための2つの新しい手法を提案する。
新たなアプローチの有効性を評価するため,動物界における4つのシナリオシミュレーションを用いて実験を行った。
論文 参考訳（メタデータ） (2023-08-31T23:57:02Z) - Boosting Residual Networks with Group Knowledge [75.73793561417702]
最近の研究は、暗黙のアンサンブルモデルの新しい視点から、残余ネットワークを理解する。
深度学習や刺激訓練といった従来の手法は, サンプリングとトレーニングにより, 残留ネットワークの性能をさらに向上させてきた。
残余ネットワークの性能を高めるためのグループ知識に基づくトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-26T05:39:57Z) - Network Clustering for Latent State and Changepoint Detection [0.0]
本稿では,ネットワーククラスタリングのタスクに対する凸アプローチを提案する。
コンベックスネットワーククラスタリングのための効率的なアルゴリズムを提案し,その有効性を合成例で示す。
論文 参考訳（メタデータ） (2021-11-01T21:51:45Z) - Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。
UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
論文 参考訳（メタデータ） (2021-08-20T12:09:38Z) - Learning low-rank latent mesoscale structures in networks [1.1470070927586016]
ネットワークにおける低ランクメソスケール構造を記述するための新しい手法を提案する。
いくつかの合成ネットワークモデルと経験的友情、協調、タンパク質-タンパク質相互作用(PPI)ネットワークを使用します。
破損したネットワークから直接学習する潜在モチーフのみを用いて、破損したネットワークを認知する方法を示す。
論文 参考訳（メタデータ） (2021-02-13T18:54:49Z) - CoADNet: Collaborative Aggregation-and-Distribution Networks for
Co-Salient Object Detection [91.91911418421086]
Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。
課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。
我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
論文 参考訳（メタデータ） (2020-11-10T04:28:11Z) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z) - Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。
まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。
第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
論文 参考訳（メタデータ） (2020-09-10T17:59:10Z) - Big Networks: A Survey [12.9583587501745]
本稿では,ビッグネットワークという新しいネットワーク科学概念を紹介する。
大きなネットワークは通常、複雑で高次の内部構造を持つ大規模である。
まず,マイクロレベル,メソレベル,マクロレベルという3つのレベルから大きなネットワークの構造的特徴を紹介する。
次に、大規模ネットワーク分析の最先端トピックについて論じる。
論文 参考訳（メタデータ） (2020-08-09T03:40:20Z)
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。