ROC曲線を使用した閾値最適化CNN-BiLSTM-Attentionに基づく新しい産業侵入検知手法

近年、多くの研究者が産業ネットワークを保護するために多くの侵入検知手法を提案しています。しかし、その中には2つの既存の問題があります。一つは、全体の精度率（AC）のみを考慮し、クラス不均衡の問題を無視していることです。もう一つは、クラス不均衡の問題を考慮しているものの、マイノリティクラスの検出率（DR）が低く、偽陽性率（FR）が高いということです。マイノリティクラスのACとDRを改善するために、ROC曲線に基づく閾値修正手法とCNN-BiLSTM-Attentionモデルを組み合わせた「閾値最適化CNN-BiLSTM-Attention」という方法を提案します。この方法では、CNN-BiLSTM-Attentionモデルを分類器として使用し、ROC曲線を通じて分類器の閾値を修正します。提案された手法を評価するために、標準産業データセットで実験を行いました。実験結果は、提案された手法が低いFRでマイノリティクラスのACとDRを改善できることを示しており、他の侵入検知手法よりも優れています。