講演抄録/キーワード |
講演名 |
2022-07-22 10:50
A study on deep learning-based cyber attack detection ○Ruei-Fong Hong・Qiangfu Zhao(UoA)・Shih-Cheng Horng(CYUT) IT2022-22 |
抄録 |
(和) |
(まだ登録されていません) |
(英) |
Cyberattack is a broad term for cybercrime that includes any deliberate attack on a computer device, network or infrastructure that renders software, systems or services inoperable. Such attacks can be carried out by individuals (e.g., hackers) or organizations, and can target individuals, organizations, or even countries. In this study, we try to select the best machine learning model in terms of accuracy, efficiency and interpretability. To compare the models fairly, we have used Optuna to optimize the hyperparameters for training each model. Our previous results showed that random forest might be the best non-deep learning model for cyberattack detection. In this paper, we investigate the performance of deep learning, and see if it is possible to improve the accuracy regardless of the computational cost. To make the results more reliable, a new test set is added to compare the best models. |
キーワード |
(和) |
/ / / / / / / |
(英) |
Intrusion Detection / Machine Learning / Random Forest Classifiers / Hyperparameter Optimization / Recurrent Neural Network / Long Short-Term Memory / / |
文献情報 |
信学技報, vol. 122, no. 128, IT2022-22, pp. 36-41, 2022年7月. |
資料番号 |
IT2022-22 |
発行日 |
2022-07-14 (IT) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IT2022-22 |
研究会情報 |
研究会 |
IT |
開催期間 |
2022-07-21 - 2022-07-22 |
開催地(和) |
岡山理科大学 |
開催地(英) |
Okayama University of Science |
テーマ(和) |
フレッシュマンセッション,一般 |
テーマ(英) |
Freshman session, General |
講演論文情報の詳細 |
申込み研究会 |
IT |
会議コード |
2022-07-IT |
本文の言語 |
英語 |
タイトル(和) |
|
サブタイトル(和) |
|
タイトル(英) |
A study on deep learning-based cyber attack detection |
サブタイトル(英) |
|
キーワード(1)(和/英) |
/ Intrusion Detection |
キーワード(2)(和/英) |
/ Machine Learning |
キーワード(3)(和/英) |
/ Random Forest Classifiers |
キーワード(4)(和/英) |
/ Hyperparameter Optimization |
キーワード(5)(和/英) |
/ Recurrent Neural Network |
キーワード(6)(和/英) |
/ Long Short-Term Memory |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
睿豐 洪 / Ruei-Fong Hong / |
第1著者 所属(和/英) |
会津大学 (略称: 会津大)
The University of Aizu (略称: UoA) |
第2著者 氏名(和/英/ヨミ) |
強福 趙 / Qiangfu Zhao / |
第2著者 所属(和/英) |
会津大学 (略称: 会津大)
The University of Aizu (略称: UoA) |
第3著者 氏名(和/英/ヨミ) |
士程 洪 / Shih-Cheng Horng / |
第3著者 所属(和/英) |
ちょうようかぎだいがく (略称: 朝陽科技大)
Chaoyang University of Technology (略称: CYUT) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-07-22 10:50:00 |
発表時間 |
25分 |
申込先研究会 |
IT |
資料番号 |
IT2022-22 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.128 |
ページ範囲 |
pp.36-41 |
ページ数 |
6 |
発行日 |
2022-07-14 (IT) |
|