| 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 | 2023-11-22 16:25 インターネットトラフィック汎用異常検知手法GAMPALにおける流量予測と異常検知精度の改良 ○和久井 拓（慶大/日立）・寺岡文男（慶大）・近藤賢郎（北大/慶大）  IA2023-41 |
|
| 抄録 | （和） | インターネットの安定運用のため，著者らはインターネットトラフィックの汎用異常検知手法GAMPAL（General-purpose Anomaly detection Mechanism using Prefix Aggregate without Labeled data）を提案している．GAMPALはBGP (Border Gateway Protocol) の経路情報に基づきフローを集約する．集約フロー群毎にトラフィック流量の挙動を学習したモデルで予測し，実測値との比較を通じ異常検知する．先行研究の方式では，過去の流量の時系列データを入力，以降の流量を出力とするモデルを生成した．本稿は予測精度と検知精度向上のため，記録日時から生成した月日や時分，曜日などの時間特徴量を入力とし，流量を出力とするモデルを生成し，週次や日次を含めた様々な時間的特性を学習可能とした．事前評価において，提案する学習方式をLSTM-RNN(Long Short-Term Memory Recurrent Neural Network), RFR (Random Forest Regressor), SVM (Support Vector Machine)へ適用した結果，RFRが最も予測精度が高く，予測と実測の乖離は，先行研究と比較して80.8%低減し，また，計算時間も削減された．さらに，YouTubeの接続障害が発生した時間帯に，実測値が継続的に予測を大きく下回り，異常検知への有効性が確認出来た． |
| （英） | The authors propose a general-purpose anomaly detection mechanism using Prefix Aggregate without Labeled data (GAMPAL) for Internet traffic. GAMPAL aggregates flows based on BGP (Border Gateway Protocol), and detects anomalies by comparing the predicted traffic flow for each aggregated group with the observed traffic flow. The model of the existing method is trained with time-series data of past flows as input and future values as output. In order to improve the accuracy of prediction and detection, this paper uses the flow rate as input and time-based features such as month, hour, minute, and day of the week, which are generated from the recorded date and time of each value, as output. This method enables to learn various temporal characteristics, such as weekly and daily. The evaluation results show that RFR (Random Forest Regressor) is the most suitable for the proposed learning method among LSTM-RNN (Long Short-Term Memory Recurrent Neural Network), RFR, and SVM (Support Vector Machine). The difference between predicted and observed flow size is reduced by 80.8% from our previous method. Computation time is also reduced. Furthermore, when connection failure for YouTube was occurring, the observed values are continuously much lower than the predicted values. It shows this method can detects anomalies. |
|
| キーワード | （和） | ネットワークトラフィック分析 / 異常検知 / インターネットバックボーン / 機械学習 / / / / |
| （英） | Network Traffic Analysis / Anomaly Detection / Internet Backbone / Machine Learning / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 277, IA2023-41, pp. 33-40, 2023年11月. | |
| 資料番号 | IA2023-41 | |
| 発行日 | 2023-11-15 (IA) | |
| 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 | IA2023-41 |
|
| 研究会情報 | |
| 研究会 | IA |
| 開催期間 | 2023-11-22 - 2023-11-22 |
| 開催地（和） | 青森県観光物産館アスパム(青森) |
| 開催地（英） | Aomori Prefecture Tourist Center ASPM (Aomori) |
| テーマ（和） | 学生セッション、一般（産学協力研究コンソーシアム インターネット技術研究会 共催） |
| テーマ（英） | Student Sessions, etc. (cosponsored by Committee on Internet Technology) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IA |
| 会議コード | 2023-11-IA |
| 本文の言語 | 日本語 |
| タイトル（和） | インターネットトラフィック汎用異常検知手法GAMPALにおける流量予測と異常検知精度の改良 |
| サブタイトル（和） | |
| タイトル（英） | Improving the accuracy of flow prediction and anomaly detection in GAMPAL, a general-purpose anomaly detection mechanism for Internet traffic |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ネットワークトラフィック分析 / Network Traffic Analysis |
| キーワード(2)（和/英） | 異常検知 / Anomaly Detection |
| キーワード(3)（和/英） | インターネットバックボーン / Internet Backbone |
| 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） | 和久井 拓 / Taku Wakui / ワクイ タク |
| 第1著者 所属（和/英） | 慶應義塾大学大学院/株式会社日立製作所 (略称： 慶大/日立) Graduate School of Keio University/Hitachi, Ltd. (略称： Keio Univ./Hitachi) |
| 第2著者 氏名（和/英/ヨミ） | 寺岡 文男 / Fumio Teraoka / テラオカ フミオ |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 近藤 賢郎 / Takao Kondo / コンドウ タカオ |
| 第3著者 所属（和/英） | 北海道大学/慶應義塾大学 (略称： 北大/慶大) Hokkaido University/Keio University (略称： Hokkaido Univ./Keio Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-11-22 16:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IA |
| 資料番号 | IA2023-41 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.277 |
| ページ範囲 | pp.33-40 |
| ページ数 | 8 |
| 発行日 | 2023-11-15 (IA) |
[研究会発表申込システムのトップページに戻る]