| 講演抄録／キーワード |
| 講演名 |
2022-10-31 13:00
［ポスター講演］エッジスイッチにおける通信量変化にもとづくネットワーク異常検知手法
○中西裕哉・阿多信吾（阪市大） |
| 抄録 |
（和） |
ネットワーク内で発生した故障や異常等を早期に検出し、速やかに復旧処理を行うことは、安定したネットワークの運用を行う上で必要不可欠である。我々は、エッジスイッチにおける通信量に着目し、曜日および時刻ごとの通信量を学習データとして用いた異常検知手法の検討を行っており、計画停電やメンテナンスなどによる比較的規模の大きなネットワーク遮断について把握できることを示してきた。しかしながら、より早期にかつ小規模な異常を検知するためには、エッジスイッチの通信量の時系列変化も考慮する必要がある。本研究では、エッジスイッチの通信量を用いた異常検知において、時系列上の変化を考慮した手法を提案し、小規模な異常をより早期に検出できることを検証する。 |
| （英） |
Early detection of failures and anomalies that occur in the network and prompt recovery processing are essential for stable network operation. We have been studying an anomaly detection method that focuses on the communication volume of edge switches and uses the communication volume of each day of the week and time as learning data, and have shown that it is possible to identify relatively large network outages due to planned power outages and maintenance. However, in order to detect smaller-scale anomalies earlier, it is necessary to take into account time-series changes in the communication volume of edge switches. In this study, we propose a method for detecting anomalies using edge switch traffic that takes into account changes in the time series and verify that it can detect small-scale anomalies at an earlier stage. |
| キーワード |
（和） |
キャンパスネットワーク / トラヒックデータ / 時系列データ / 異常検知 / 機械学習 / / / |
| （英） |
Campus Networks / traffic data / time-series data / anormaly detection / machine learning / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
RISING |
| 開催期間 |
2022-10-31 - 2022-11-02 |
| 開催地（和） |
京都テルサ（1日目），オンライン開催（2，3日目） |
| 開催地（英） |
Kyoto Terrsa (Day 1), and Online (Day 2, 3) |
| テーマ（和） |
超知性通信ネットワークに関する研究， 一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
RISING |
| 会議コード |
2022-10-RISING |
| 本文の言語 |
日本語 |
| タイトル（和） |
エッジスイッチにおける通信量変化にもとづくネットワーク異常検知手法 |
| サブタイトル（和） |
|
| タイトル（英） |
Network Anomaly Detection Method Based on Communication Volume Changes in Edge Switches |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
キャンパスネットワーク / Campus Networks |
| キーワード(2)（和/英） |
トラヒックデータ / traffic data |
| キーワード(3)（和/英） |
時系列データ / time-series data |
| キーワード(4)（和/英） |
異常検知 / anormaly detection |
| キーワード(5)（和/英） |
機械学習 / machine learning |
| 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） |
中西 裕哉 / Yuya Nakanishi / ナカニシ ユウヤ |
| 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/ヨミ） |
阿多 信吾 / Shingo Ata / アタ シンゴ |
| 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/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 |
2022-10-31 13:00:00 |
| 発表時間 |
45分 |
| 申込先研究会 |
RISING |
| 資料番号 |
|
| 巻番号（vol） |
vol. |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|