| 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 14:15 階層型連合学習を用いた侵入検知におけるNon-IIDデータを考慮したゲートウェイクラスタリング ○川又健史・岩田寛大・山崎 託・三好 匠（芝浦工大）・中原正隆・奥井宣広・窪田 歩（KDDI総合研究所）  NS2024-256 |
|
| 抄録 | （和） | IoT（Internet of Things）の普及，及びスマートホームの進展とともに，IoTデバイスへの攻撃が増加している．近年では，連合学習を活用した侵入検知が注目されているが，ゲートウェイ（GW）間のトラヒックデータ分布に差異が生じる非独立同分布（non-IID）となる場合，精度が低下する課題がある．本稿では，non-IIDデータに対応する階層型連合学習を侵入検知に適用する手法を提案する．具体的にはGWが保有しているIoTトラヒックに関する特徴量データに基づいてクラスタリングを行った後，階層型連合学習を行う． また，実際にIoTデバイスとハニーポットを動作させ収集したトラヒックを用いた実験により，提案システムの有効性を確認する． |
| （英） | With the proliferation of the Internet of Things (IoT) and the advancement of smart homes, attacks on IoT devices have been increasing. In recent years, intrusion detection utilizing federated learning has attracted attention. However, when traffic data distributions differ among gateways (GWs), resulting in a non-IID setting, the accuracy of intrusion detection decreases. This paper proposes a method to apply hierarchical federated learning to intrusion detection to address non-IID data. Specifically, after clustering the feature data related to IoT traffic collected on each GW, hierarchical federated learning is performed. The effectiveness of the proposed system is also demonstrated through experiments using traffic data collected from actual IoT devices and honeypots. | |
| キーワード | （和） | 侵入検知 / 連合学習 / Non-IIDデータ / 深層学習 / クラスタリング / / / |
| （英） | Intrusion detection / Federated learning / Non-IID data / Deep learning / Clustering / / / | |
| 文献情報 | 信学技報, vol. 124, no. 419, NS2024-256, pp. 355-359, 2025年3月. | |
| 資料番号 | NS2024-256 | |
| 発行日 | 2025-02-27 (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 | NS2024-256 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2025-03-06 - 2025-03-07 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa Industry Support Center |
| 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 | NS |
| 会議コード | 2025-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | 階層型連合学習を用いた侵入検知におけるNon-IIDデータを考慮したゲートウェイクラスタリング |
| サブタイトル（和） | |
| タイトル（英） | Gateway Clustering Considering Non-IID Data for Hierarchical Federated Learning-based Intrusion Detection |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 侵入検知 / Intrusion detection |
| キーワード(2)（和/英） | 連合学習 / Federated learning |
| キーワード(3)（和/英） | Non-IIDデータ / Non-IID data |
| キーワード(4)（和/英） | 深層学習 / Deep learning |
| キーワード(5)（和/英） | クラスタリング / Clustering |
| 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） | 川又 健史 / Takeshi Kawamata / カワマタ タケシ |
| 第1著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 岩田 寛大 / Hiroto Iwata / イワタ ヒロト |
| 第2著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 山崎 託 / Taku Yamazaki / ヤマザキ タク |
| 第3著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. Tech.) |
| 第4著者 氏名（和/英/ヨミ） | 三好 匠 / Takumi Miyoshi / ミヨシ タクミ |
| 第4著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： Shibaura Inst. Tech.) |
| 第5著者 氏名（和/英/ヨミ） | 中原 正隆 / Masataka Nakahara / ナカハラ マサタカ |
| 第5著者 所属（和/英） | 株式会社 KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research) |
| 第6著者 氏名（和/英/ヨミ） | 奥井 宣広 / Norihiro Okui / オクイ ノリヒロ |
| 第6著者 所属（和/英） | 株式会社 KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research) |
| 第7著者 氏名（和/英/ヨミ） | 窪田 歩 / Ayumu Kubota / クボタ アユム |
| 第7著者 所属（和/英） | 株式会社 KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-07 14:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2024-256 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.419 |
| ページ範囲 | pp.355-359 |
| ページ数 | 5 |
| 発行日 | 2025-02-27 (NS) |
[研究会発表申込システムのトップページに戻る]