| 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 | 2016-11-17 14:00 K-Means法による攻撃検知 ～ 教師あり学習手法との比較 ～ ○高原尚志（新潟県立大）  IBISML2016-75 |
|
| 抄録 | （和） | 今日，ほとんどすべてのコンピュータがインターネットに接続することを強いられている．このような中，インターネット上には無数の攻撃が存在しており，これを防ぐことは至上命題である．攻撃を防ぐ第一歩は攻撃検知である．攻撃検知には，過去の攻撃パターンと一致する通信を攻撃として検知するシグネチャ型検知とAI技術を用いた機械学習型検知がある．シグネチャ型検知は過去にデータのない新たな攻撃を検知できないが，機械学習型検知では検知できる可能性がある．機械学習型検知には，過去の攻撃データを参考に攻撃通信と正常通信とに分類する教師あり学習と過去の攻撃データを用いない教師なし学習がある．前者は過去の攻撃傾向の影響を受けやすいため，新たな攻撃の検知が難しくなる場合があるのに対して，後者は過去のデータを用いないため，その影響を受けず，新たな攻撃であっても検知することができる可能性があると考えられる．そこで本稿では，前述の考えを検証するため，教師なし学習の広く知られた手法であるK-Means法と教師あり学習の広く知られた各手法を用いて攻撃検知の検証を行い結果を比較したので，本稿にて報告する．なお，K-Means法では，分類するクラスタ数が課題となるが，本稿では，クラスタ数を2～7に設定し検証を行った．その結果についても報告し，考察を加える． |
| （英） | Today, almost all computers have access to the Internet. Computers connected to the Internet are susceptible to various kinds of attacks. Anomaly detection is one form of prevention. Among anomaly detection methods, there are “detection with signature” and “detection with machine learning techniques”. In detection with machine learning techniques, there are two approaches. One is “supervised” and the other “unsupervised”. The former refers to data from behavior of known attacks (training data), so it may be influenced by behavior of known attacks, but it may not detect unknown attacks adequately. The latter does not use training data and is not influenced by known attacks. Consequently, we hypothesized that unsupervised methods would detect unknown attacks better than supervised methods. To check our hypothesis, we compared unsupervised and supervised methods of anomaly detection. We used k-means as the unsupervised method and tested this method with clusters ranging in size from to 2 to 7. | |
| キーワード | （和） | 機械学習 / K-Means法 / 教師あり学習 / 教師なし学習 / 攻撃検知 / / / |
| （英） | Machine Learning / K-Means / Supervised Method / Unsupervised Method / Anomaly Detection / / / | |
| 文献情報 | 信学技報, vol. 116, no. 300, IBISML2016-75, pp. 207-214, 2016年11月. | |
| 資料番号 | IBISML2016-75 | |
| 発行日 | 2016-11-09 (IBISML) | |
| 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 | IBISML2016-75 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2016-11-16 - 2016-11-18 |
| 開催地（和） | 京都大学 |
| 開催地（英） | Kyoto Univ. |
| テーマ（和） | 情報論的学習理論ワークショップ(IBIS2016) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2016) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2016-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | K-Means法による攻撃検知 |
| サブタイトル（和） | 教師あり学習手法との比較 |
| タイトル（英） | Anomaly Deteciton with K-Means |
| サブタイトル（英） | Comparison with Supervised Methods |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | K-Means法 / K-Means |
| キーワード(3)（和/英） | 教師あり学習 / Supervised Method |
| キーワード(4)（和/英） | 教師なし学習 / Unsupervised Method |
| キーワード(5)（和/英） | 攻撃検知 / Anomaly Detection |
| 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） | 高原 尚志 / Hisashi Takahara / タカハラ ヒサシ |
| 第1著者 所属（和/英） | 新潟県立大学 (略称： 新潟県立大) University of NIIGATA PREFECTURE (略称： UNP) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-11-17 14:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2016-75 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.207-214 |
| ページ数 | 8 |
| 発行日 | 2016-11-09 (IBISML) |
[研究会発表申込システムのトップページに戻る]