| 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 | 2022-03-10 11:00 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・小川祐紀雄・太田 香・董 冕雄（室蘭工大）  IN2021-33 |
|
| 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 Artificial 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が分類精度及び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． |
| （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 / / / / / |
| （英） | distributed intrusion detection system / machine learning / explainable artificial intelligence / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 434, IN2021-33, pp. 13-18, 2022年3月. | |
| 資料番号 | IN2021-33 | |
| 発行日 | 2022-03-03 (IN) | |
| 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 | IN2021-33 |
|
| 研究会情報 | |
| 研究会 | NS IN |
| 開催期間 | 2022-03-10 - 2022-03-11 |
| 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 |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2022-03-NS-IN |
| 本文の言語 | 日本語 |
| 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（英） | |
| 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 |
| 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） | 沖 綾華 / Ayaka Oki / オキ アヤカ |
| 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/ヨミ） | 小川 祐紀雄 / Yukio Ogawa / オガワ ユキオ |
| 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/ヨミ） | 太田 香 / Kaoru Ota / オオタ カオル |
| 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/ヨミ） | 董 冕雄 / Mianxiong Dong / トウ メンユウ |
| 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) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-10 11:00:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IN |
| 資料番号 | IN2021-33 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.434 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2022-03-03 (IN) |
[研究会発表申込システムのトップページに戻る]