講演抄録/キーワード |
講演名 |
2020-12-11 10:20
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・福田直樹(静岡大) AI2020-10 |
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. |
(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 / / / / / |
(英) |
Multi-Agent Reinforcement Learning / Moving Target Defense / Network Security / / / / / |
文献情報 |
信学技報, vol. 120, no. 281, AI2020-10, pp. 46-51, 2020年12月. |
資料番号 |
AI2020-10 |
発行日 |
2020-12-03 (AI) |
ISSN |
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 |
AI2020-10 |
研究会情報 |
研究会 |
AI |
開催期間 |
2020-12-10 - 2020-12-10 |
開催地(和) |
オンライン+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階) |
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 |
講演論文情報の詳細 |
申込み研究会 |
AI |
会議コード |
2020-12-AI |
本文の言語 |
日本語 |
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(英) |
|
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 |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
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) |
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/ヨミ) |
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.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
第1著者 |
発表日時 |
2020-12-11 10:20:00 |
発表時間 |
25分 |
申込先研究会 |
AI |
資料番号 |
AI2020-10 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.281 |
ページ範囲 |
pp.46-51 |
ページ数 |
6 |
発行日 |
2020-12-03 (AI) |