論文の概要: GreenNIDS: A Benchmark Workflow and Analysis Dataset for NetFlow Intrusion Detection Experiments

• arxiv url: http://arxiv.org/abs/2610.25366v1
• Date: Sun, 18 Oct 2026 16:11:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:09:25.089916
• Title: GreenNIDS: A Benchmark Workflow and Analysis Dataset for NetFlow Intrusion Detection Experiments
• Title（参考訳）: GreenNIDS: NetFlow侵入検知実験のためのベンチマークワークフローと分析データセット
• Abstract要約: GreenNIDSは、パブリックなNetFlowデータセット上でのベンチマーク実行と再利用可能な分析データセットを接続する。 実行レベルテーブルは、予測メトリクスとタイミング、スループット、メモリ使用量、エネルギー推定を組み合わせる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Comparing the predictive performance and computational cost of flow-based intrusion detection experiments requires both quantities to be available for each run. GreenNIDS connects benchmark execution on public NetFlow datasets to a reusable analysis dataset. Model implementations write a common set of outputs, which are ingested into a run-level table with companion tables for model configuration, feature importance, and training history. The run-level table combines predictive metrics with timing, throughput, memory use, and energy estimates based on thermal design power. A CPU-only demonstration comprises 216 runs across four dataset families, three versions, and binary and multiclass tasks. Ingestion produces a 216 x 96 analysis table with no duplicate run identifiers and complete Matthews correlation coefficient (MCC) and F1 coverage. Multiclass ROC-AUC is missing for 36 PyTorch runs, making metric availability an explicit part of subsequent comparisons. The stored records support grouped performance and training-time plots, as well as resource screening after execution. Combining task-specific MCC thresholds with limits on training time, peak RAM, and estimated training energy retains 25.0% of the full run collection. These results establish compatibility within the evaluated collection and support comparisons after execution, subject to the recorded preprocessing, execution profile, and approximate energy accounting.
• Abstract（参考訳）: フローベースの侵入検知実験の予測性能と計算コストを比較すると、各ラン毎に両方の量が必要になります。 GreenNIDSは、パブリックなNetFlowデータセット上でのベンチマーク実行と再利用可能な分析データセットを接続する。 モデル実装では、共通の出力セットを記述し、モデル構成、機能の重要性、トレーニング履歴を伴って、実行レベルテーブルに取り込みます。 ランレベルテーブルは、予測メトリクスと、タイミング、スループット、メモリ使用量、熱設計力に基づくエネルギー推定を組み合わせる。 CPUのみのデモは、4つのデータセットファミリ、3バージョン、バイナリとマルチクラスのタスクで216回実行される。 Ingestionは216 x 96の分析テーブルを生成し、重複した実行識別子と完全なMatthews相関係数(MCC)とF1カバレッジを含まない。 マルチクラスROC-AUCは36PyTorch実行時に欠落しており、メトリクスの可用性がその後の比較の明示的な部分となっている。 格納されたレコードは、パフォーマンスとトレーニング時間のプロットをグループ化し、実行後のリソースのスクリーニングもサポートした。 タスク固有のMCCしきい値とトレーニング時間、ピークRAM、推定トレーニングエネルギーの制限を組み合わせることで、フルランコレクションの25.0%を維持できる。 これらの結果は、評価されたコレクション内での互換性を確立し、記録された前処理、実行プロファイル、近似エネルギー会計の対象となる実行後の比較をサポートする。

関連論文リスト

• Task-State Adaptation with Prototype Memory for Multi-Task Dense Prediction [65.90697836568579]
  本研究では,グローバルな視覚的コンテキストからタスク状態を推定するマルチタスク高密度予測フレームワークを提案する。 MemMTLは学習可能なタスク状態のプロトタイプメモリを通じてそれを洗練する。 個別のタスク非依存残差銀行は共通の適応パスを提供する。
  論文  参考訳（メタデータ） (2026-08-28T08:48:22Z)
• InferQ: A Database-Oriented Benchmark for Quantum Circuits Simulation [6.750045708575421]
  本稿では,量子回路シミュレーションのためのデータベース指向ベンチマークInferQを提案する。 InferQは、一連の回路テンプレートからサブ回路を組み立てることで、一般的な合成回路を生成する。 InferQ が生成した回路の50%以上において,RDBMS は Qiskit Aer よりもピークメモリ使用率が高いことが判明した。
  論文  参考訳（メタデータ） (2026-07-31T08:05:15Z)
• Supra Cognitive Modes: A Routed Architecture for Agent Memory [0.5872662447648234]
  Supra Cognitive Modes (SCM) について述べる。これは,明示的あるいは自動選択されたクエリごとのモードを,1つの共用基板上での検索および合成ペイロードにマッピングするアーキテクチャである。 本稿では,Long-term Conversational Memory (LoCoMo),MemoryAgentBench (MAB),LongMemEvalの3つのベンチマークに配置した構成を特徴付ける。
  論文  参考訳（メタデータ） (2026-07-21T13:37:17Z)
• Towards Evaluating Data Priors for Tabular Foundation Models [74.75794086564035]
  我々は、実際のデータセットから構築された公開事前および事前の統一インターフェースを実装している。 我々は、事前からトレーニングタスクを生成し、同じモデルアーキテクチャを固定されたトレーニングプロトコルでトレーニングし、共有下流分類タスクで得られたモデルを評価する。 以上の結果から,より強い絶対性能を達成できるものや,データセット間の相対的ランキングの一貫性が向上するものもある。
  論文  参考訳（メタデータ） (2026-06-28T07:12:45Z)
• CRUMB: Efficient Prior Fitted Network Inference via Distributionally Matched Context Batching [1.4211459456330362]
  事前適合型ネットワーク(PFN)は、コンテキスト内学習を行う基盤モデルの有望なクラスである。 CRUMB(Clustered Retrieval using Minimized-MMD)は,テストクエリをクラスタリングする3段階推論ラッパーである。 CRUMBは、最大平均誤差を極端に最小化することにより、各クラスタに対して小さな、分散的に整合したトレーニングサブセットを選択する。
  論文  参考訳（メタデータ） (2026-06-09T22:07:04Z)
• Learning Multi-Indicator Weights for Data Selection: A Joint Task-Model Adaptation Framework with Efficient Proxies [50.39041754816285]
  本稿では、下流タスクと特定のモデルの両方にデータ選択を併用する多変数重み学習フレームワークを提案する。 提案手法は,GSM8Kのトレーニングサンプルの30%しか使用せず,フルデータセットチューニングに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2026-05-10T17:30:16Z)
• Count-Based Approaches Remain Strong: A Benchmark Against Transformer and LLM Pipelines on Structured EHR [0.970873137713613]
  EHRSHOTデータセットを用いて,EHR予測の方法論を3つのカテゴリで評価した。 EHRSHOTデータセットを用いて8つの結果を評価した。 8つの評価課題において、頭対頭勝利はカウントベース法と混合エージェント法に大きく分けられた。
  論文  参考訳（メタデータ） (2025-11-02T03:28:35Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• Enel: Context-Aware Dynamic Scaling of Distributed Dataflow Jobs using Graph Propagation [52.9168275057997]
  本稿では,属性グラフ上でメッセージの伝搬を利用してデータフロージョブをモデル化する,新しい動的スケーリング手法であるEnelを提案する。 Enelが効果的な再スケーリングアクションを識別でき、例えばノードの障害に反応し、異なる実行コンテキストで再利用可能であることを示す。
  論文  参考訳（メタデータ） (2021-08-27T10:21:08Z)

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。