| 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 | 2025-03-07 16:25 機械学習ベース出力予測攻撃のモデル比較とその解釈可能性 ○渡部颯斗（東海大/NICT）・伊藤竜馬（NICT）・大東俊博（東海大/NICT）  ICSS2024-121 |
|
| 抄録 | （和） | Watanabeらは，Kimuraらが提案したLSTMを用いたニューラルネットワーク (NN) ベースの出力予測攻撃をSIMONバリアントに適用し，この攻撃がSIMONバリアントの脆弱な構造を特定するのに有効であることを示した． この脆弱な構造は，差分/線形識別攻撃に比べ，NNベースの出力予測攻撃が最大攻撃可能ラウンド数の観点で上回ることから特定されたものである． また，この脆弱な構造に対して有効な線形近似式を提示し，NNが出力予測攻撃を実行する際にこの線形近似式を捕捉している可能性を示した．本研究では，LSTMが出力予測攻撃に最適なモデルであるかを検証するとともに，Watanabeらが提示した線形近似式を機械学習（ML）モデルが捕捉しているかを明らかにすることを目的とする．具体的には，4種類のNNモデルと2種類の決定木モデルを含む6種類のMLモデルを用いて出力予測攻撃の性能比較を行い，NNモデルよりも決定木モデルの方が優れた性能を示すことを明らかにする．さらに，決定木モデルに対してSHAP解析を用いて予測根拠を可視化することで，モデルが単に線形近似式を捕捉するだけでなく，出力ビットと密接に関係する全ての入力ビットを正確に捕捉している可能性を示す． |
| （英） | Watanabe et al. applied neural network (NN)-based output prediction attacks using LSTM, proposed by Kimura et al., to SIMON variants and demonstrated its effectiveness in identifying vulnerable structures of SIMON variants. Such vulnerable structures were identified by the fact that the NN-based output prediction attack outperforms differential/linear distinguishing attacks in terms of the maximum number of attackable rounds. Moreover, Watanabe et al. presented effective linear approximations in these vulnerable structures and suggested that the NN may capture them to facilitate output prediction attacks. This study aims to explore whether LSTM is the optimal model for output prediction attacks and whether machine learning (ML) models can effectively capture the linear approximations presented by Watanabe et al. Specifically, we compare the performance of six different ML models (four NN models and two decision tree models) for output prediction attacks and demonstrate that decision tree models outperform NN models. Additionally, we perform SHAP analysis on decision tree models to visualize the basis of their predictions. The analysis not only proves that the models capture the linear approximation but also suggests that they precisely identify all input bits that are strongly correlated with the target output bits. |
|
| キーワード | （和） | 機械学習 / ニューラルネットワーク / 決定木 / SIMON / SHAP / 可視化 / / |
| （英） | Machine Learning / Neural Network / Decision Tree / SIMON / SHAP / Visualize / / | |
| 文献情報 | 信学技報, vol. 124, no. 422, ICSS2024-121, pp. 407-414, 2025年3月. | |
| 資料番号 | ICSS2024-121 | |
| 発行日 | 2025-02-27 (ICSS) | |
| 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 | ICSS2024-121 |
|
| 研究会情報 | |
| 研究会 | ICSS IPSJ-SPT |
| 開催期間 | 2025-03-06 - 2025-03-07 |
| 開催地（和） | 沖縄県立美術館・博物館 |
| 開催地（英） | Okinawa Prefectural Museum & Art Museum |
| テーマ（和） | セキュリティ，トラスト，一般 |
| テーマ（英） | Security, Trust, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | ICSS |
| 会議コード | 2025-03-ICSS-SPT |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習ベース出力予測攻撃のモデル比較とその解釈可能性 |
| サブタイトル（和） | |
| タイトル（英） | Performance Comparison of Machine Learning Models for Output Prediction Attacks and Their Interpretability |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(3)（和/英） | 決定木 / Decision Tree |
| キーワード(4)（和/英） | SIMON / SIMON |
| キーワード(5)（和/英） | SHAP / SHAP |
| キーワード(6)（和/英） | 可視化 / Visualize |
| 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） | 渡部 颯斗 / Hayato Watanabe / ワタナベ ハヤト |
| 第1著者 所属（和/英） | 東海大学/NICT (略称： 東海大/NICT) Tokai University/NICT (略称： Tokai Univ/NICT) |
| 第2著者 氏名（和/英/ヨミ） | 伊藤 竜馬 / Ryoma Ito / イトウ リョウマ |
| 第2著者 所属（和/英） | NICT (略称： NICT) NICT (略称： NICT) |
| 第3著者 氏名（和/英/ヨミ） | 大東 俊博 / Toshihiro Ohigashi / オオヒガシ トシヒロ |
| 第3著者 所属（和/英） | 東海大学/NICT (略称： 東海大/NICT) Tokai University/NICT (略称： Tokai Univ/NICT) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-07 16:25:00 |
| 発表時間 | 20分 |
| 申込先研究会 | ICSS |
| 資料番号 | ICSS2024-121 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.422 |
| ページ範囲 | pp.407-414 |
| ページ数 | 8 |
| 発行日 | 2025-02-27 (ICSS) |
[研究会発表申込システムのトップページに戻る]