| 講演名 | 2022-03-10 深層学習を用いた侵入検知システムにおける分散化による分類精度や説明可能性への影響の実験的評価 沖 綾華(室蘭工大), 小川 祐紀雄(室蘭工大), 太田 香(室蘭工大), 董 冕雄(室蘭工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年のIoT機器の普及による流通データ量増加に伴い，攻撃リスクは今後増加すると予想される．そのため多数の侵入検知システム（Intrusion Detection System：IDS）をエッジコンピューティングで分散配置し並列処理を行なう必要がある．また，機械学習や説明可能なAI（eXplainable Arti?cial Intelligence：XAI）を導入することでIDSの分類精度向上が期待できる．しかし，分散化による攻撃の分類精度及びIDSの予測に対する根拠推定への影響は明らかではない．そこで本研究では，分散化によるIDSの訓練トラヒック量減少か?分類精度及ひ?根拠推定に与える影響を分類クラスごとに実験的に評価した．評価により分散数100以上で認識精度に低下傾向が見られ，正解率は10%〜30%低下した．しかしこれは訓練用データ数の減少のみに起因するものではなく，分類クラス間で根拠推定に利用する特徴量の類似性が高いほど認識精度が低下することも明らかとなった． |
| 抄録(英) | Increased data traffic associated with the wide spread usage of IoT devices accentuates the risk of large-scale cyber attacks in the future. Intrusion detection systems (IDSs) thus need to be distributed in the edge computing for defending the attacks in parallel. The adoption of machine learning and eXplainable Artificial Intelligence (XAI) can improve the accuracy and reasoning estimation of IDSs, but the influence of the distribution on them are not clarified. We therefore simulate a distributed IDS and evaluate the influence on each attack category by decreasing the amount of training data given to the IDS. Our evaluations show that the accuracy decreases when the number of distributed IDSs is more than 100 and the precision also decreases by 10% to 30%. This is not only due to the lack of training data, but also the fact that the evidence features used for reasoning estimation have a higher similarity among different attack categories. |
| キーワード(和) | 分散型侵入検知システム / 機械学習 / 説明可能なAI |
| キーワード(英) | distributed intrusion detection system / machine learning / explainable artificial intelligence |
| 資料番号 | IN2021-33 |
| 発行日 | 2022-03-03 (IN) |
| 研究会情報 | |
| 研究会 | NS / IN |
|---|---|
| 開催期間 | 2022/3/10(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） | 一般 |
| テーマ（英） | General |
| 委員長氏名（和） | 中尾 彰宏(東大) / 石田 賢治(広島市大) |
| 委員長氏名（英） | Akihiro Nakao(Univ. of Tokyo) / Kenji Ishida(Hiroshima City Univ.) |
| 副委員長氏名（和） | 大石 哲矢(NTT) / 波戸 邦夫(インターネットマルチフィード) |
| 副委員長氏名（英） | Tetsuya Oishi(NTT) / Kunio Hato(Internet Multifeed) |
| 幹事氏名（和） | 池邉 隆(NTT) / 吉田 雅裕(中大) / 谷口 展郎(NTT) / 星野 文学(長崎県立大) / 渡部 康平(長岡技科大) / 城 哲(KDDI総合研究所) |
| 幹事氏名（英） | Takashi Ikebe(NTT) / Masahiro Yoshida(Chuo Univ.) / Noburo Taniguchi(NTT) / Fumitaka Hoshino(Univ. of Nagasaki) / Kouhei Watabei(Nagaoka Univ. of Tech.) / Tetsu Jyo(KDDI Research) |
| 幹事補佐氏名（和） | 三原 孝太郎(NTT) |
| 幹事補佐氏名（英） | Kotaro Mihara(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Network Systems / Technical Committee on Information Networks |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 深層学習を用いた侵入検知システムにおける分散化による分類精度や説明可能性への影響の実験的評価 |
| サブタイトル（和） | |
| タイトル（英） | Experimental Evaluation of Influence of Distributing Deep Learning-Based IDSs on Their Classification Accuracy and Explainability |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 分散型侵入検知システム / distributed intrusion detection system |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | 説明可能なAI / explainable artificial intelligence |
| 第 1 著者 氏名（和/英） | 沖 綾華 / Ayaka Oki |
| 第 1 著者 所属（和/英） | 室蘭工業大学(略称：室蘭工大) Muroran Institute of Technology(略称：Muroran-IT) |
| 第 2 著者 氏名（和/英） | 小川 祐紀雄 / Yukio Ogawa |
| 第 2 著者 所属（和/英） | 室蘭工業大学(略称：室蘭工大) Muroran Institute of Technology(略称：Muroran-IT) |
| 第 3 著者 氏名（和/英） | 太田 香 / Kaoru Ota |
| 第 3 著者 所属（和/英） | 室蘭工業大学(略称：室蘭工大) Muroran Institute of Technology(略称：Muroran-IT) |
| 第 4 著者 氏名（和/英） | 董 冕雄 / Mianxiong Dong |
| 第 4 著者 所属（和/英） | 室蘭工業大学(略称：室蘭工大) Muroran Institute of Technology(略称：Muroran-IT) |
| 発表年月日 | 2022-03-10 |
| 資料番号 | IN2021-33 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | IN-434 |
| ページ範囲 | pp.13-18(IN), |
| ページ数 | 6 |
| 発行日 | 2022-03-03 (IN) |