Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Classification of Systems-I01:26

Classification of Systems-I

294
Linearity is a system property characterized by a direct input-output relationship, combining homogeneity and additivity.
Homogeneity dictates that if an input x(t) is multiplied by a constant c, the output y(t) is multiplied by the same constant. Mathematically, this is expressed as:
294

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Specifics of Data Collection and Data Processing during Formation of RailVista Dataset for Machine Learning- and Deep Learning-Based Applications.

Sensors (Basel, Switzerland)·2024
関連記事をすべて見る

関連する実験動画

Updated: Sep 9, 2025

Automated Deployment of an Internet Protocol Telephony Service on Unmanned Aerial Vehicles Using Network Functions Virtualization
07:49

Automated Deployment of an Internet Protocol Telephony Service on Unmanned Aerial Vehicles Using Network Functions Virtualization

Published on: November 26, 2019

8.1K

IoTシステムにおけるNIDSのためのエミュレーションベースのデータセット EmuIoT-VT

Antanas Čenys1, Simran Kaur Hora1, Nikolaj Goranin1

  • 1Department of Information Systems, Vilnius Gediminas Technical University, 10223 Vilnius, Lithuania.

Sensors (Basel, Switzerland)
|August 28, 2025
PubMed
まとめ

新しいバランスの取れたデータセットであるEmuIoT-VTは,モノのインターネット (IoT) のセキュリティのための異常ベースのネットワーク侵入検知システム (NIDS) のクラス不均衡に対処しています. このデータセットにより ネットワーク上の脅威を より確実に検出できます

キーワード:
モノのインターネットIoT データセットIoTのセキュリティについてアノマリー検出ディープラーニング機械学習ネットワーク侵入検知

さらに関連する動画

Integration of 5G Experimentation Infrastructures into a Multi-Site NFV Ecosystem
10:15

Integration of 5G Experimentation Infrastructures into a Multi-Site NFV Ecosystem

Published on: February 3, 2021

3.9K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

関連する実験動画

Last Updated: Sep 9, 2025

Automated Deployment of an Internet Protocol Telephony Service on Unmanned Aerial Vehicles Using Network Functions Virtualization
07:49

Automated Deployment of an Internet Protocol Telephony Service on Unmanned Aerial Vehicles Using Network Functions Virtualization

Published on: November 26, 2019

8.1K
Integration of 5G Experimentation Infrastructures into a Multi-Site NFV Ecosystem
10:15

Integration of 5G Experimentation Infrastructures into a Multi-Site NFV Ecosystem

Published on: February 3, 2021

3.9K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

科学分野:

  • サイバーセキュリティ
  • ネットワーク侵入検知システム (NIDS)
  • IoTセキュリティにおける機械学習

背景:

  • 物事のインターネット (IoT) デバイスの普及は,強力なセキュリティメカニズムを必要とします.
  • 機械学習 (ML) やディープラーニング (DL) を用いたアノマリーベースのNIDSは,ネットワークの異常を検出するために不可欠です.
  • 既存のデータセットのクラスデータの不均衡は,ML/DLベースの異常NIDSのパフォーマンスを妨げます.

研究 の 目的:

  • EmuIoT-VTを導入し,IoTのための異常ベースのNIDSの開発と評価のための新しいバランスの取れたデータセットを導入します.
  • リアルなIoTネットワークトラフィックを生成するための新しいエミュレーションベースの方法を提示します.
  • IoTセキュリティデータセットにおけるクラスデータ不均衡の問題に対処する.

主な方法:

  • リアルなトラフィック生成のための仮想IoTデバイスのレプリカを作成するための新しいエミュレーションベースの方法を開発しました.
  • データの完全性を確保するために,孤立したオフライン環境でネットワークトラフィックを収集します.
  • EmuIoT-VTのデータセットは, 28,000個のラベルを均等に配るように設計されています.

主要な成果:

  • EmuIoT-VTデータセットを作成し,PCAPデータから抽出した82の特徴を特徴付けました.
  • データセットには,デバイス,クラス,サブクラス間のバランスの取れた表現が含まれています.
  • DoS,ブルートフォース,偵察,利用などの攻撃カテゴリをカバーするバイナリとマルチクラスの分類タスクの両方をサポートします.

結論:

  • EmuIoT-VTデータセットは,IoTネットワークセキュリティデータセットのクラス不均衡の問題に解決策を提供します.
  • IoT環境のためのより正確で信頼性の高い異常ベースのNIDSの開発を容易にする.
  • IoTネットワークのセキュリティと脅威の検出に関する将来の研究のための基盤を提供します.