論文の概要: A Multi Method Importance and Performance Efficiency Analysis of Topological Metrics for Natural Visibility Graph Based Cyber Attack Detection
- arxiv url: http://arxiv.org/abs/2610.02342v1
- Date: Thu, 01 Oct 2026 18:15:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.042335
- Title: A Multi Method Importance and Performance Efficiency Analysis of Topological Metrics for Natural Visibility Graph Based Cyber Attack Detection
- Title（参考訳）: 自然視認性グラフによるサイバー攻撃検出のためのトポロジカルメトリクスの多方法の重要性と性能解析
- Abstract要約: 本研究では,21NVG由来のトポロジカルメトリクスを評価し,コンパクトなサブセットが分類能力を維持できるかどうかを検討した。
トップ3は97.148%の精度、97.055%の重み付きF1スコア、95.999%、95.521%、フル21の0.9549に対してMCCが0.9675であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Natural Visibility Graph (NVG) based analysis characterizes network traffic through topological descriptors reflecting different structural properties. However, not all descriptors contribute equally to cyber-attack classification, and extracting a large metric set can increase computational cost. This study evaluates 21 NVG derived topological metrics and investigates whether a compact subset can preserve classification capability while improving computational efficiency. Four importance analysis methods SHAP, grouped Permutation Importance, Boruta, and Recursive Feature Elimination (RFE) are integrated through a Consensus Ranking strategy. Based on this ranking, Full21, Top15, Top10, Top7, Top5, and Top3 configurations are evaluated using the CICIDS2018 dataset, a CNN classifier, and stratified 5 fold cross validation. The three highest ranked metrics are avg_clustering_coeff_median, avg_clustering_coeff_std, and avg_clustering_coeff_mean. Top3 achieved the highest observed mean performance, with 97.148% accuracy, 97.055% weighted F1 score, and an MCC of 0.9675, compared with 95.999%, 95.521%, and 0.9549 for Full21, respectively. It also reduced total runtime from 14,961.39 s to 589.22 s (96.06%). These results indicate that importance guided metric reduction can provide a compact NVG representation with higher observed mean predictive performance and substantially lower computational cost under the evaluated setting.
- Abstract（参考訳）: Natural Visibility Graph (NVG) に基づく解析は、異なる構造特性を反映するトポロジカル記述子を通してネットワークトラフィックを特徴付ける。
しかし、すべてのディスクリプタがサイバー攻撃の分類に等しく貢献する訳ではない。
本研究では,21NVG由来のトポロジカルメトリクスを評価し,計算効率を向上しながら,コンパクトなサブセットが分類能力を維持できるかどうかを検討した。
4つの重要分析手法 SHAP, grouped Permutation Importance, Boruta, and Recursive Feature Elimination (RFE) をコンセンサスランキング戦略を通じて統合する。
このランキングに基づいて、CICIDS2018データセット、CNN分類器、階層化された5倍のクロスバリデーションを使用して、Full21、Top15、Top10、Top7、Top5、Top3の設定を評価する。
上位3つの指標は、avg_clustering_coeff_median、avg_clustering_coeff_std、avg_clustering_coeff_meanである。
トップ3は97.148%の精度、97.055%の重み付きF1スコア、95.999%、95.521%、フル21の0.9549に対してMCCが0.9675であった。
また、総実行時間を14,961.39秒から589.22秒(96.06%)に短縮した。
これらの結果から, 評価条件下では, 平均予測性能が向上し, 計算コストが大幅に低減した, コンパクトなNVG表現を実現することが示唆された。
関連論文リスト
- Topological Signatures of Cyber-Attack Classes in Natural Visibility Graph Representations of Network Traffic [0.0]
Natural Visibility Graph(NVG)ベースの表現は、シーケンシャルなネットワークトラフィックの構造パターンをキャプチャするための有望なアプローチを提供する。
本研究では,NVGに基づくネットワークトラフィック表現の識別特性と構造特性について検討する。
論文 参考訳（メタデータ） (2026-09-22T19:31:11Z) - Topological Data Analysis and Graph-Theoretic Approaches for Tennis Match Prediction [67.45502291821956]
本稿では, トポロジカルデータ解析とグラフ理論を用いて, テニスの試合結果を予測する2つの手法を提案する。
最初の方法はプレイヤーの競争ネットワークに低星フィルターを適用し、永続的ホモロジーを通して位相的特徴を抽出する。
第2の方法は、時間的エッジ重み付けを施したKatz類似度指数を用いて、保持試験データに対して62.48%の精度を達成している。
論文 参考訳（メタデータ） (2026-07-26T07:18:43Z) - A Systematic Investigation of Document Chunking Strategies and Embedding Sensitivity [0.8921166277011344]
そこで本研究では,文書チャンキング戦略の大規模・クロスドメインな評価手法を提案する。
本研究では, 5つの異なる埋め込みモデルを用いて, 6つの知識領域に対して36のセグメンテーション手法をベンチマークした。
検索性能は, 最先端評価器の適度値スコアを用いて評価し, 正規化DCG@5を主指標とした。
論文 参考訳（メタデータ） (2026-03-07T01:33:44Z) - Almost Asymptotically Optimal Active Clustering Through Pairwise Observations [59.20614082241528]
そこで本研究では, ノイズと能動的に収集された応答を用いて, M$アイテムを未知数の$K$個別グループにクラスタリングするための新しい分析フレームワークを提案する。
クラスタリングの精度に対する望ましい信頼性を達成するのに必要なクエリ数の基本的下位境界を確立する。
我々は、一般化された同値比統計の計算可能な変種を開発し、その下限に対する性能ギャップを正確に推定できることを実証的に示す。
論文 参考訳（メタデータ） (2026-02-05T14:16:47Z) - Break the Tie: Learning Cluster-Customized Category Relationships for Categorical Data Clustering [51.11677202873771]
定性的な値を持つカテゴリ属性は、実際のデータセットのクラスタ分析においてユビキタスである。
数値属性のユークリッド距離とは異なり、分類属性はそれらの可能な値の明確な関係を欠いている。
本稿では属性カテゴリの固有関係関係を破り、様々なクラスタ分布を柔軟に明らかにするのに適したカスタマイズされた距離メトリクスを学習する。
論文 参考訳（メタデータ） (2025-11-12T06:57:24Z) - Enhanced Predictive Modeling for Hazardous Near-Earth Object Detection: A Comparative Analysis of Advanced Resampling Strategies and Machine Learning Algorithms in Planetary Risk Assessment [0.0]
本研究では,二元分類フレームワークによる有害地球近傍天体(NEO)の予測のための機械学習モデルの性能評価を行った。
RFC と GBC はともに 0.987 と 0.896 の印象的な F2 スコアで最高の性能を発揮した。
論文 参考訳（メタデータ） (2025-08-20T22:50:00Z) - Characterizing the Optimal 0-1 Loss for Multi-class Classification with
a Test-time Attacker [57.49330031751386]
我々は,任意の離散データセット上の複数クラス分類器に対するテスト時間攻撃の存在下での損失に対する情報理論的下位境界を求める。
本稿では,データと敵対的制約から競合ハイパーグラフを構築する際に発生する最適0-1損失を求めるための一般的なフレームワークを提供する。
論文 参考訳（メタデータ） (2023-02-21T15:17:13Z) - Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。
第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。
その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文 参考訳（メタデータ） (2021-10-19T14:24:50Z) - Structured Graph Learning for Clustering and Semi-supervised
Classification [74.35376212789132]
データの局所構造とグローバル構造の両方を保存するためのグラフ学習フレームワークを提案する。
本手法は, サンプルの自己表現性を利用して, 局所構造を尊重するために, 大域的構造と適応的隣接アプローチを捉える。
我々のモデルは、ある条件下でのカーネルk平均法とk平均法の組合せと等価である。
論文 参考訳（メタデータ） (2020-08-31T08:41:20Z) - DHOG: Deep Hierarchical Object Grouping [0.0]
本研究では,相互情報量(勾配最適化など)を最大化するための欲求的あるいは局所的手法が,相互情報量規準の局所的最適性を発見することを示す。
本稿では,画像の多数の異なる表現を階層的順序で計算するディープ階層的オブジェクトグループ化(DHOG)を提案する。
これらの表現は、下層のオブジェクトクラスにグループ化する下流のタスクとよく一致している。
論文 参考訳（メタデータ） (2020-03-13T14:11:48Z)
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。