| 講演名 | 2021-03-19 ［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(阪市大), 吉田 直樹(阪市大), 阿多 信吾(阪市大), 岡 育生(阪市大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 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. |
| 抄録(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 |
| キーワード(英) | Anomaly Detection / Traffic Pattern / Honeypot / Machine Learning / Attack Classification |
| 資料番号 | ICM2020-69 |
| 発行日 | 2021-03-11 (ICM) |
| 研究会情報 | |
| 研究会 | ICM |
|---|---|
| 開催期間 | 2021/3/18(から2日開催) |
| 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） | |
| 委員長氏名（和） | 木下 和彦(徳島大) |
| 委員長氏名（英） | Kazuhiko Kinoshita(Tokushima Univ.) |
| 副委員長氏名（和） | 佐藤 陽一(OSL) / 大石 晴夫(NTT) |
| 副委員長氏名（英） | Yoichi Sato(OSL) / Haruo Ooishi(NTT) |
| 幹事氏名（和） | 瀬戸 三郎(NTT) / 中山 裕貴(ボスコ・テクノロジーズ) |
| 幹事氏名（英） | Saburo Seto(NTT) / Hiroki Nakayama(Bosco) |
| 幹事補佐氏名（和） | 内海 哲哉(富士通研) |
| 幹事補佐氏名（英） | Tetsuya Uchiumi(Fujitsu Lab.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information and Communication Management |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［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 |
| サブタイトル（和） | |
| タイトル（英） | [Encouragement Talk] Utility of Training Data in Sequential Accumulation Learning-Based Anomaly Detection |
| サブタイトル（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 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） | 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） | 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） | 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.) |
| 発表年月日 | 2021-03-19 |
| 資料番号 | ICM2020-69 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | ICM-433 |
| ページ範囲 | pp.52-57(ICM), |
| ページ数 | 6 |
| 発行日 | 2021-03-11 (ICM) |