ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. シンポジウム
  2. シンポジウムシリーズ
  3. コンピュータセキュリティシンポジウム
  4. 2015

ダークネットトラフィックに基づく学習型DDoS攻撃監視システムの開発

https://ipsj.ixsq.nii.ac.jp/records/146976
https://ipsj.ixsq.nii.ac.jp/records/146976
7b3b2cd5-828d-47d9-9a6f-2009ca5be273
名前 / ファイル ライセンス アクション
IPSJ-CSS2015184.pdf IPSJ-CSS2015184.pdf (1.7 MB)
Copyright (c) 2015 by the Information Processing Society of Japan
オープンアクセス
Item type Symposium(1)
公開日 2015-10-14
タイトル
タイトル ダークネットトラフィックに基づく学習型DDoS攻撃監視システムの開発
タイトル
言語 en
タイトル Development of Adaptive Event-Monitoring System for DDoS Attacks
言語
言語 jpn
キーワード
主題Scheme Other
主題 CSS,ネットワークセキュリティ,DDoS攻撃,バックスキャッタ,機械学習
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_5794
資源タイプ conference paper
著者所属
神戸大学大学院工学研究科
著者所属
神戸大学大学院工学研究科
著者所属
神戸大学大学院工学研究科
著者所属
情報通信研究機構
著者所属
情報通信研究機構
著者所属
株式会社クルウィット
著者所属(英)
en
Guraduate School of Engineering,Kobe University
著者所属(英)
en
Guraduate School of Engineering,Kobe University
著者所属(英)
en
Guraduate School of Engineering,Kobe University
著者所属(英)
en
National Institute of Information and Communications Technology
著者所属(英)
en
National Institute of Information and Communications Technology
著者所属(英)
en
clwit Inc.
著者名 古谷, 暢章

× 古谷, 暢章

古谷, 暢章

Search repository
北園, 淳

× 北園, 淳

北園, 淳

Search repository
小澤, 誠一

× 小澤, 誠一

小澤, 誠一

Search repository
班, 涛

× 班, 涛

班, 涛

Search repository
中里, 純二

× 中里, 純二

中里, 純二

Search repository
島村, 隼平

× 島村, 隼平

島村, 隼平

Search repository
著者名(英) Nobuaki, Furutani

× Nobuaki, Furutani

en Nobuaki, Furutani

Search repository
Jun, Kitazono

× Jun, Kitazono

en Jun, Kitazono

Search repository
Seiichi, Ozawa

× Seiichi, Ozawa

en Seiichi, Ozawa

Search repository
Tao, Ban

× Tao, Ban

en Tao, Ban

Search repository
Junji, Nakazato

× Junji, Nakazato

en Junji, Nakazato

Search repository
Jumpei, Shimamura

× Jumpei, Shimamura

en Jumpei, Shimamura

Search repository
論文抄録
内容記述タイプ Other
内容記述 本研究では,ダークネット観測網で得られたトラフィック情報から DDoS 攻撃によるバックスキャッタであるかの判定を行う学習型モニタリングシステムを提案する.パケットデータから送信元/送信先ポートや送信元/送信先IP などに関連した 17 特徴を抽出し,サポートベクトルマシンによる判定を試みる.評価実験では,ルールによる判定が可能な 80/TCP 以外の TCP パケットをモニタリング対象とし,DDoS バックスキャッタの判定と追加学習を行う.また,次元圧縮手法である t 分布型確率的近傍埋め込み法を用いてホストの活動パターンの時間変化を視覚的に表し,機械学習の導入の有効性を示す.
論文抄録(英)
内容記述タイプ Other
内容記述 In this work, we propose a learning type monitoring system that discriminate DDoS backscatter packets from those of other traffic observed by darknet monitoring (i.e., backscatter or non-backscatter). Upon the packets that are sent by a host towards the monitored darknet during a short time-window, we define 17 descriptive features, which are then input to an SVM classifier for classification. In the experiments, we use TCP packets sent from except for port 80/TCP as discriminate DDoS backscatter and incremental learning. Its adaptability is further illustrated by visualization of the host activities during the time expanse using dimension reduction techniques.
書誌情報 コンピュータセキュリティシンポジウム2015論文集

巻 2015, 号 3, p. 1394-1401, 発行日 2015-10-14
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-20 17:48:20.666166
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3