講演名 | 2020-12-11 マルチエージェント強化学習を用いたトラフィックの変化に対応した通信先匿名化手法の実現 杉山 慶多(静岡大), 福田 直樹(静岡大), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 本論文では,ネットワーク仮想化に対するマルチエージェント技術の応用の一つとして,マルチエージェント強化学習を利用した通信先匿名化手法の実現について述べる.具体的には,エンドホストが頻繁に追加されたり,それらの要因でトラフィックの傾向が頻繁に変化したりするような状況を想定し,マルチエージェント強化学習を用いてネットワークスイッチに代表される複数のエージェントがそれぞれ自律的に他のエージェントと協調して匿名化のレベルを調整するような仕組みを実装し,シミュレーションでその効果を確認する. |
抄録(英) | In this paper, we describe our prototype mechanism using the simulation-based multi-agent reinforcement learning for automatically allocating resources for anonymizing communication destinations as one of the applications of the multi-agent techniques for network virtualization. As an example of concrete scenarios, we assume a network where end-hosts are connected frequently and traffic trends change frequently for this reason. In this scenario, we implement a mechanism that allows multiple agents represented by network switches to cooperate with other agents autonomously for adjusting the level of anonymity using multi-agent reinforcement learning, and confirm the effect by simulation. |
キーワード(和) | マルチエージェント強化学習 / Moving Target Defense / ネットワークセキュリティ |
キーワード(英) | Multi-Agent Reinforcement Learning / Moving Target Defense / Network Security |
資料番号 | AI2020-10 |
発行日 | 2020-12-03 (AI) |
研究会情報 | |
研究会 | AI |
---|---|
開催期間 | 2020/12/10(から1日開催) |
開催地(和) | オンライン,およびアクトシティ浜松研修交流センター401会議室(楽器博物館の建物の4 |
開催地(英) | Online and HAMAMATSU ACT CITY |
テーマ(和) | 「新しい日常を支えるAIシステム実現のための基礎技術と応用」および一般 |
テーマ(英) | Foundations and application technologies for AI systems on the new normal |
委員長氏名(和) | 福田 直樹(静岡大) |
委員長氏名(英) | Naoki Fukuta(Shizuoka Univ.) |
副委員長氏名(和) | 清 雄一(電通大) / 櫻井 祐子(産総研) |
副委員長氏名(英) | Yuichi Sei(Univ. of Electro-Comm.) / Yuko Sakurai(AIST) |
幹事氏名(和) | 大囿 忠親(名工大) / 藤田 桂英(東京農工大) |
幹事氏名(英) | Tadachika Ozono(Nagoya Inst. of Tech.) / Katsuhide Fujita(Tokyo Univ. of Agriculture and Technology) |
幹事補佐氏名(和) | |
幹事補佐氏名(英) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Artificial Intelligence and Knowledge-Based Processing |
---|---|
本文の言語 | JPN |
タイトル(和) | マルチエージェント強化学習を用いたトラフィックの変化に対応した通信先匿名化手法の実現 |
サブタイトル(和) | |
タイトル(英) | A Preliminary Multi-Agent Reinforcement Learning Approach for Responding Dynamic Traffic in Communication Destination Anonymization |
サブタイトル(和) | |
キーワード(1)(和/英) | マルチエージェント強化学習 / Multi-Agent Reinforcement Learning |
キーワード(2)(和/英) | Moving Target Defense / Moving Target Defense |
キーワード(3)(和/英) | ネットワークセキュリティ / Network Security |
第 1 著者 氏名(和/英) | 杉山 慶多 / Keita Sugiyama |
第 1 著者 所属(和/英) | 静岡大学(略称:静岡大) Shizuoka University(略称:Shizuoka Univ.) |
第 2 著者 氏名(和/英) | 福田 直樹 / Naoki Fukuta |
第 2 著者 所属(和/英) | 静岡大学(略称:静岡大) Shizuoka University(略称:Shizuoka Univ.) |
発表年月日 | 2020-12-11 |
資料番号 | AI2020-10 |
巻番号(vol) | vol.120 |
号番号(no) | AI-281 |
ページ範囲 | pp.46-51(AI), |
ページ数 | 6 |
発行日 | 2020-12-03 (AI) |