論文の概要: XAI-SDN: An Explainable Entropy-Guided Machine Learning Framework for Real-Time DDoS Detection in Software Defined Networks

• arxiv url: http://arxiv.org/abs/2609.05701v1
• Date: Fri, 04 Sep 2026 20:14:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.109278
• Title: XAI-SDN: An Explainable Entropy-Guided Machine Learning Framework for Real-Time DDoS Detection in Software Defined Networks
• Title（参考訳）: XAI-SDN: ソフトウェア定義ネットワークにおけるリアルタイムDDoS検出のための説明可能なエントロピー誘導機械学習フレームワーク
• Abstract要約: 我々は,SDN環境におけるリアルタイムDDoS検出のための,XAI-SDNと呼ばれるエントロピー誘導機械学習フレームワークを提案する。 固定時間分割では、XAI-SDNの精度は99.9987%、マクロF1スコアは99.9621%、AUC-ROCは10000で、CIC-DDoS Syn 2019ベンチマークの全3.59万フローである。
• 参考スコア（独自算出の注目度）: 2.2719102672152616
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: One of the biggest risks faced by Software Defined Networks (SDN) is the Distributed Denial of Service (DDoS) attack in which a compromised controller can make an entire network unusable. To address these challenges, we suggest an entropy-guided machine learning framework, called XAI-SDN, for real-time DDoS detection in SDN environments which is lightweight and explainable. The framework extends the flow features extracted by CICFlowMeter with eight Shannon entropy metrics obtained by an $\mathcal{O}(1)$ rolling algorithm and uses a Random Forest classifier with SHAP TreeExplainer for providing transparency at the prediction level. On a fixed temporal split, XAI-SDN achieves an accuracy of 99.9987\%, a macro F1-score of 99.9621\%, and an AUC-ROC of 1.0000 on the full 3.59 million flows of the CIC-DDoS2019 SYN benchmark. The pipeline sustains 0.0165~ms per flow (60{,}606 flows/s) without the use of SHAP and 0.5122~ms per flow (1{,}953 flows/s) with full support of SHAP under the 99.14\% prevalence of DDoS traffic, which is a step towards achieving a balance between the detection performance and operational transparency in next-generation SDN security.
• Abstract（参考訳）: Software Defined Networks(SDN)が直面している最大のリスクのひとつは、妥協したコントローラがネットワーク全体を使用不能にする、Distributed Denial of Service(DDoS)攻撃である。 これらの課題に対処するために、軽量で説明可能なSDN環境におけるリアルタイムDDoS検出のための、XAI-SDNと呼ばれるエントロピー誘導機械学習フレームワークを提案する。 このフレームワークは、CICFlowMeterによって抽出されたフロー特徴を、$\mathcal{O}(1)$ Rollingアルゴリズムによって得られた8つのシャノンエントロピーメトリクスで拡張し、予測レベルで透明性を提供するためにSHAP TreeExplainerを備えたランダムフォレスト分類器を使用する。 固定時間分割では、XAI-SDN は 99.9987 %、マクロ F1 スコア 99.9621 %、AUC-ROC は CIC-2017 benchmark の359万フローに対して 1.0000 である。 パイプラインは、フローあたり0.0165~ms (60{,}606 flow/s) をSHAPを使用せず、フローあたり0.5122〜ms (1{,}953 flow/s) を使用せずに維持する。

関連論文リスト

• Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
  最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。 本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-22T18:38:39Z)
• A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks [1.202468381202799]
  本稿では,資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。 このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。 ハイブリッドモデルは、3つの実世界のベンチマークDDoSデータセットで評価される。
  論文  参考訳（メタデータ） (2026-08-17T16:18:15Z)
• Multi-Level Distributional Entropy for Explainable Network Intrusion Detection [3.6406488220483326]
  本稿では,フローレベルの要約統計から直接解釈可能なエントロピー特徴を導出するフレームワークを提案する。 4つのベンチマークで、エントロピーのみの機能は0.708-0.989の重み付きF1を達成する。 完全な運用メトリックレポートは、F1の隠蔽を集約する障害モードを公開する。
  論文  参考訳（メタデータ） (2026-06-29T05:19:21Z)
• FlowPipe: LLM-Enhanced Conditional Generative Flow Networks for Data Preparation Pipeline Construction [43.791981476558384]
  データ準備パイプラインは、生のテーブルを学習可能なデータに変換することによって、機械学習におけるデータ品質を改善する。 既存の最先端(SOTA)マルチDQNメソッドは3つの重要な制限に直面している。 有向非巡回グラフ上での条件付き確率フロー生成としてパイプライン合成を定式化する統合フレームワークであるFlowPipeを提案する。
  論文  参考訳（メタデータ） (2026-06-23T15:10:00Z)
• Towards Trustworthy 6G Network Digital Twins: A Framework for Validating Counterfactual What-If Analysis in Edge Computing Resources [0.5921052011710383]
  Network Digital Twins (NDTs) は,6Gクラウドエッジインフラストラクチャに対して,安全なWhat-if分析を可能にする。 クラウドエッジテレメトリアグリゲーションのためのスケーラブルなパイプラインで6G-TWINを拡張したデータ駆動型NDTフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-16T08:49:32Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• Proactive DDoS Detection and Mitigation in Decentralized Software-Defined Networking via Port-Level Monitoring and Zero-Training Large Language Models [3.6260109722491465]
  Software-Defined Networking (cSDN)は、柔軟でプログラム可能なネットワーク制御を提供するが、スケーラビリティと信頼性の問題に悩まされている。 分散化されたSDN(dSDN) 複数のローカルコントローラ間で制御を分散することで、これらの懸念を緩和する。 このアーキテクチャは、Denial-of-Service(DDoS)攻撃に対して非常に脆弱である。 本稿では,dSDN環境に適した新しい検出・緩和フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-01T08:57:29Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• Knowing When to Stop: Delay-Adaptive Spiking Neural Network Classifiers with Reliability Guarantees [36.14499894307206]
  スパイキングニューラルネットワーク(SNN)は、内部イベント駆動型ニューラルネットワークを通じて時系列データを処理する。 本稿では,入力依存停止時に発生する決定に対して,信頼性を保証する新しい遅延適応型SNNベースの推論手法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T22:11:04Z)
• Detection of DDoS Attacks in Software Defined Networking Using Machine Learning Models [0.6193838300896449]
  本稿では,ソフトウェア定義ネットワーク(SDN)環境において,分散型サービス障害(DDoS)攻撃を検出する機械学習アルゴリズムの有効性について検討する。 その結果、MLベースの検出は、SDNにおけるDDoS攻撃を特定するためのより正確で効果的な方法であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-11T22:56:36Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)

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。