論文の概要: Multi-population Diversity-guided Genetic Algorithm for Feature Selection in Network Intrusion Detection

• arxiv url: http://arxiv.org/abs/2605.19864v1
• Date: Tue, 19 May 2026 13:57:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.382814
• Title: Multi-population Diversity-guided Genetic Algorithm for Feature Selection in Network Intrusion Detection
• Title（参考訳）: ネットワーク侵入検出における特徴選択のための多集団多様性誘導遺伝的アルゴリズム
• Authors: Chunzhen Li,
• Abstract要約: 本研究では,MPDGGA(Multi-Population Diversity-Guided Genetic Algorithm)を提案する。 他の先進的な4つの機能選択モデルよりも大幅に優れています。 11のデータセット全体で10のデータセットで最高精度に達し、少なくとも2.26%が選択された。
• 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: Network Intrusion Detection System is a critical means of ensuring cybersecurity. However, existing Genetic Algorithm-based feature selection methods face several limitations when dealing with high-dimensional redundant traffic features. For example, population diversity is difficult to maintain, and evolutionary operators lack guidance. To solve these problems, this study proposes the Multi-Population Diversity-Guided Genetic Algorithm (MPDGGA). First, we build a chained multi-population evolutionary structure. Second, we introduce a diversity-guided operator based on information gain ratio. Experiments on NSL-KDD, UNSW-NB15, and 9 UCI datasets show that the proposed model significantly outperforms four other advanced multi-population feature selection models. Across the 11 datasets, it attains the highest accuracy on 10 datasets and at least 2.26% of the features were selected.
• Abstract（参考訳）: ネットワーク侵入検知システムはサイバーセキュリティを確保する重要な手段である。 しかし、既存の遺伝的アルゴリズムに基づく特徴選択法は、高次元冗長なトラフィック特徴を扱う際、いくつかの制限に直面している。 例えば、人口の多様性を維持することは困難であり、進化のオペレーターはガイダンスを欠いている。 そこで本研究では,MPDGGA(Multi-Population Diversity-Guided Genetic Algorithm)を提案する。 まず、連鎖した多集団進化構造を構築する。 次に,情報ゲイン比に基づく多様性誘導演算子を提案する。 NSL-KDD、UNSW-NB15、および9つのUCIデータセットに対する実験により、提案モデルが他の4つの先進的マルチポピュレーション特徴選択モデルよりも大幅に優れていることが示された。 11のデータセット全体で10のデータセットで最高精度に達し、少なくとも2.26%が選択された。

関連論文リスト

• A High-Dimensional Feature Selection Algorithm Based on Multiobjective Differential Evolution [6.912442653561439]
  多目的特徴選択は、最も差別的な特徴部分集合を決定する。 提案手法は,最先端の多目的特徴選択手法よりも優れている。
  論文  参考訳（メタデータ） (2025-05-09T02:02:49Z)
• Weighted Diversified Sampling for Efficient Data-Driven Single-Cell Gene-Gene Interaction Discovery [56.622854875204645]
  本稿では,遺伝子・遺伝子相互作用の探索に先進的なトランスフォーマーモデルを活用する,データ駆動型計算ツールを活用した革新的なアプローチを提案する。 新たな重み付き多様化サンプリングアルゴリズムは、データセットのたった2パスで、各データサンプルの多様性スコアを算出する。
  論文  参考訳（メタデータ） (2024-10-21T03:35:23Z)
• Unveiling the Power of Sparse Neural Networks for Feature Selection [60.50319755984697]
  スパースニューラルネットワーク(SNN)は、効率的な特徴選択のための強力なツールとして登場した。 動的スパーストレーニング(DST)アルゴリズムで訓練されたSNNは、平均して50%以上のメモリと55%以上のFLOPを削減できることを示す。 以上の結果から,DSTアルゴリズムで訓練したSNNによる特徴選択は,平均して50ドル以上のメモリと55%のFLOPを削減できることがわかった。
  論文  参考訳（メタデータ） (2024-08-08T16:48:33Z)
• Enhancing Diversity in Multi-objective Feature Selection [1.6602942962521352]
  本稿では,遺伝的アルゴリズムNSGA-IIの確立された多目的スキームにおける個体群の多様性の向上について紹介する。 提案する多目的特徴選択法は,12の現実世界の分類問題に対して,2,400から5万近い特徴量で検証を行う。
  論文  参考訳（メタデータ） (2024-07-25T06:09:44Z)
• Source-free Domain Adaptation Requires Penalized Diversity [60.04618512479438]
  ソースデータがない場合、異なるドメイン間の知識伝達に対処するために、ソースフリードメイン適応(SFDA)が導入された。 教師なしのFDAでは、多様性はソース上の1つの仮説を学習するか、共有された特徴抽出器で複数の仮説を学習することに限定される。 本稿では,異なる特徴抽出器を用いて表現多様性を促進する新しい無教師付きSFDAアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-06T00:20:19Z)
• Consistency and Diversity induced Human Motion Segmentation [231.36289425663702]
  本稿では,CDMS(Consistency and Diversity induced Human Motion)アルゴリズムを提案する。 我々のモデルは、ソースとターゲットデータを異なる多層特徴空間に分解する。 ソースとターゲットデータ間の領域ギャップを低減するために、マルチミューチュアル学習戦略を実行する。
  論文  参考訳（メタデータ） (2022-02-10T06:23:56Z)
• A Self-adaptive Weighted Differential Evolution Approach for Large-scale Feature Selection [23.33085252518155]
  自己適応機構に基づく新しい重み付き微分進化アルゴリズムSaWDEを提案する。 本稿では,12の大規模データセットに対するアルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2021-10-27T04:46:16Z)
• Deep Unsupervised Identification of Selected SNPs between Adapted Populations on Pool-seq Data [4.94950858749529]
  SNPを同定する非監視パイプラインを提案する。 監視された差別者CNNを訓練し、異なる人口からのアライメントを区別します。 我々の解が統計的結果を拡張できることが示される。
  論文  参考訳（メタデータ） (2020-12-28T22:28:44Z)
• Diversity inducing Information Bottleneck in Model Ensembles [73.80615604822435]
  本稿では,予測の多様性を奨励することで,ニューラルネットワークの効果的なアンサンブルを生成する問題をターゲットにする。 そこで本研究では,潜伏変数の学習における逆損失の多様性を明示的に最適化し,マルチモーダルデータのモデリングに必要な出力予測の多様性を得る。 最も競争力のあるベースラインと比較して、データ分布の変化の下で、分類精度が大幅に向上した。
  論文  参考訳（メタデータ） (2020-03-10T03:10:41Z)

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。