お知らせ 研究会の開催と会場に参加される皆様へのお願い(2020年10月開催~)
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-03-19 10:50
[奨励講演]逐次蓄積型学習ベース異常検知における学習データの効用
深澤那月吉田直樹阿多信吾岡 育生阪市大ICM2020-69
抄録 (和) 学習にもとづくネットワークベース侵入検知システム (Network-based Intrusion Detection System : NIDS) において,良質な学習デ.タの収集と蓄積はシステムの検知精度を考える上で非常に重要な課題である.我々の研究 グループではこれまでハニーポットを活用し、学習データの逐次蓄積を行う異常検知システムを提案し,その有効性 を検証してきた.提案システムでは運用期間が長期化することで異常検知の元となる学習データの蓄積が進み,より 高い精度での異常検知が行えるものと期待されるが,どのような蓄積を行うことで有効に機能するかといった性能面 での検証はいまだ十分ではない.本稿では.このシステムにおいて逐次蓄積された学習データと異常検知性能の関係 を定量的に明らかにすることで,学習データの蓄積に関する方針決定に役立てることを目指す. 
(英) In Network-based Intrusion Detection Systems (NIDS) using supervised learning, one of important challengings is how to collect and accumlate good learning data to achieve high detection accuracy. So far we proposed a mechanism to accumlate learning data concecutively by associating events of em honeypots and flow characteristics of monitored packets. It is expected that our system can detect anomalies more accurate by running the system longer because the volume of learning data becomes larger. However, it is still unclear the policy how to accumlate the learning data efficiently in terms of the accuracy of detection. In this paper, we conduct quantitative evaluation how an accumulate policy has an impact to the accuracy of detection. We investigate the relation of accumlated learning data and the performance of anomaly detection. Through this paper we aim to consider a guideline to the efficient way of learning data accumulation.
キーワード (和) 異常検知 / トラヒックパターン / ハニーポット / 機械学習 / 攻撃分類 / / /  
(英) Anomaly Detection / Traffic Pattern / Honeypot / Machine Learning / Attack Classification / / /  
文献情報 信学技報, vol. 120, no. 433, ICM2020-69, pp. 52-57, 2021年3月.
資料番号 ICM2020-69 
発行日 2021-03-11 (ICM) 
ISSN Print edition: ISSN 0913-5685  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 ICM2020-69

研究会情報
研究会 ICM  
開催期間 2021-03-18 - 2021-03-19 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) エレメント管理,管理機能,理論・運用方法論,および一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 ICM 
会議コード 2021-03-ICM 
本文の言語 日本語 
タイトル(和) 逐次蓄積型学習ベース異常検知における学習データの効用 
サブタイトル(和)  
タイトル(英) Utility of Training Data in Sequential Accumulation Learning-Based Anomaly Detection 
サブタイトル(英)  
キーワード(1)(和/英) 異常検知 / Anomaly Detection  
キーワード(2)(和/英) トラヒックパターン / Traffic Pattern  
キーワード(3)(和/英) ハニーポット / Honeypot  
キーワード(4)(和/英) 機械学習 / Machine Learning  
キーワード(5)(和/英) 攻撃分類 / Attack Classification  
キーワード(6)(和/英) /  
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) 深澤 那月 / Natsuki Fukazawa /
第1著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka City Univ.)
第2著者 氏名(和/英/ヨミ) 吉田 直樹 / Naoki Yoshida /
第2著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka City Univ.)
第3著者 氏名(和/英/ヨミ) 阿多 信吾 / Shingo Ata /
第3著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka City Univ.)
第4著者 氏名(和/英/ヨミ) 岡 育生 / Ikuo Oka /
第4著者 所属(和/英) 大阪市立大学 (略称: 阪市大)
Osaka City University (略称: Osaka City Univ.)
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
発表日時 2021-03-19 10:50:00 
発表時間 25 
申込先研究会 ICM 
資料番号 IEICE-ICM2020-69 
巻番号(vol) IEICE-120 
号番号(no) no.433 
ページ範囲 pp.52-57 
ページ数 IEICE-6 
発行日 IEICE-ICM-2021-03-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会