講演抄録/キーワード |
講演名 |
2022-11-24 14:15
セルフアテンションを利用するトラフィック観測による異常検知の研究 ○周 于航・中尾彰宏(東大) NS2022-108 |
抄録 |
(和) |
近年,異なるタイプのサイバー攻撃の複雑さと多様性は驚くべき速度で増加しており,サイバーセキュリティが最も重要な問題となる.侵入検知(ID)技術はまさにこの問題を解決するためだが,従来のネットワーク侵入検知システム(NIDS)では通常ゼロデイ攻撃を検知できず,新たな侵入に迅速に対応が困難である.そこで異常検知に基づくディープラーニングIDSが広く研究されている.データから良い表現を学習する能力を実証しているが,低いリコール率,データ効率の低下などの問題がある.
本研究ではセルフアテンションを利用することで, パケット間の時系列情報を活用し,統計システムが与える時間特徴に依存せず新しい構造を提案する.また長い計算時間をかけず,単一点の異常だけでなく時間依存の異常を検出し,ラベル付きデータがない場合のモデルの汎化性能も向上させた.実験の結果,提案方式では従来のディープラーニングモデルよりも,最大30%のリコール率を向上することを確認した. |
(英) |
Nowadays, threat activities have become an integral part of our network lives. The sophistication and variety of different types of cyberattacks are growing at an alarming rate, cyber-security has become a primary concern. The intrusion detection (ID) technique was made to deal with this problem, but traditional network intrusion detection system (NIDS) often fail to detect zero-day attacks, their capacity to swiftly respond to emerging intrusions is restricted. As a consequence, anomaly-based deep learning IDS is widely researched.
Though it has demonstrated exceptional ability in learning good representations from complex data, it suffers from a low recall rate, poor data efficiency, and speed-performance balancing issues.
This paper proposes a new structure for detecting anomalies using a self-attention-based model to leverage the time-series information among the packets to detect not only single point anomalies but also time-dependent anomalies, without relying on any time features given by the statistical system or suffering the long computation time, also improves the model’s generalization performance in the case of a lack of labeled data.
The experiment result shows the proposal is effective in improving recall rate than the traditional deep learning model up to 30% without suffering the long computation time. |
キーワード |
(和) |
異常検知 / セルフアテンション / デノイジングオートエンコーダ / 機械学習 / / / / |
(英) |
Anomaly Detection / Self-attention / Denoising Auto Encoder / Machine Learning / / / / |
文献情報 |
信学技報, vol. 122, no. 274, NS2022-108, pp. 47-52, 2022年11月. |
資料番号 |
NS2022-108 |
発行日 |
2022-11-17 (NS) |
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 |
NS2022-108 |
研究会情報 |
研究会 |
NS ICM CQ NV |
開催期間 |
2022-11-24 - 2022-11-25 |
開催地(和) |
福岡大学文系センター棟 + オンライン開催 |
開催地(英) |
Humanities and Social Sciences Center, Fukuoka Univ. + Online |
テーマ(和) |
ネットワーク品質,ネットワーク計測・管理,ネットワーク仮想化,ネットワークサービス,ブロックチェーン,セキュリティ,ネットワークインテリジェンス・AI,一般 |
テーマ(英) |
Network quality, Network measurement/management, Network virtualization, Network service, Blockchain, Security, Network intelligence/AI, etc. |
講演論文情報の詳細 |
申込み研究会 |
NS |
会議コード |
2022-11-NS-ICM-CQ-NV |
本文の言語 |
英語(日本語タイトルあり) |
タイトル(和) |
セルフアテンションを利用するトラフィック観測による異常検知の研究 |
サブタイトル(和) |
|
タイトル(英) |
Research on Anomaly Detection through Analysis of Observed Traffic Using Self-Attention |
サブタイトル(英) |
|
キーワード(1)(和/英) |
異常検知 / Anomaly Detection |
キーワード(2)(和/英) |
セルフアテンション / Self-attention |
キーワード(3)(和/英) |
デノイジングオートエンコーダ / Denoising Auto Encoder |
キーワード(4)(和/英) |
機械学習 / Machine Learning |
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) |
周 于航 / Yuhang Zhou / シュウ ウコウ |
第1著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
第2著者 氏名(和/英/ヨミ) |
中尾 彰宏 / Akihiro Nakao / ナカオ アキヒロ |
第2著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
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 |
2022-11-24 14:15:00 |
発表時間 |
25分 |
申込先研究会 |
NS |
資料番号 |
NS2022-108 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.274 |
ページ範囲 |
pp.47-52 |
ページ数 |
6 |
発行日 |
2022-11-17 (NS) |
|