| 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 | 2026-03-04 16:25 セキュリティログ分析のための誤ラベル・過学習に頑強なpartial AUC最大化手法 ○西山泰史（NTT）・神谷和憲（NSH/NTT）・熊谷充敏（NTT）  ICSS2025-138 |
|
| 抄録 | （和） | マルウェア被害軽減のため，機械学習を用いたログ分析技術が求められている．実際のセキュリティ運用では，誤検知を抑制しつつ可能な限り多くの不審なログを検出する必要があることから，低誤検知率（FPR）下での検知率（TPR）の向上が課題である．本稿ではこの課題に対し，任意のFPR区間におけるTPRを直接最大化するpAUC最大化手法に着目する．しかし，既存のpAUC最大化手法をFPRが小さい値の区間に適用した場合，相対的な訓練データの不足や誤ラベルの影響により，分類性能が著しく劣化する可能性がある．本研究ではこれらの問題を軽減するため，特徴量の数学的特性に応じて異なる目的をもつ2つのpAUC最大化手法を組み合わせて適用することで，狭いFPR区間における検知性能を向上させる手法を提案する． |
| （英） | Log analysis with machine learning has become increasingly important for mitigating the impact of malware incidents. In actual security operations, analysts must identify as many suspicious logs as possible while suppressing false positives; therefore, improving the true positive rate (TPR) under low false positive rate (FPR) conditions is an important challenge. Motivated by this requirement, we focus on pAUC maximization learning, which directly maximizes the TPR within a specified FPR interval. However, when existing pAUC maximization methods are applied to a narrow FPR interval, classification performance may deteriorate significantly due to the relative shortage of training data and mislabeled samples. To alleviate these problems, we propose a method that improves detection performance in narrow FPR intervals by applying two pAUC maximization methods with different objectives depending on the mathematical characteristics of the features. | |
| キーワード | （和） | Partial AUC / AUC / ログ分析 / マルウェア / / / / |
| （英） | Partial AUC / AUC / Log Analysis / Malware / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 381, ICSS2025-138, pp. 394-401, 2026年3月. | |
| 資料番号 | ICSS2025-138 | |
| 発行日 | 2026-02-24 (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 | ICSS2025-138 |
|
| 研究会情報 | |
| 研究会 | ICSS IPSJ-SPT |
| 開催期間 | 2026-03-03 - 2026-03-04 |
| 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 | 2026-03-ICSS-SPT |
| 本文の言語 | 日本語 |
| タイトル（和） | セキュリティログ分析のための誤ラベル・過学習に頑強なpartial AUC最大化手法 |
| サブタイトル（和） | |
| タイトル（英） | A Partial AUC Maximization Method Robust to Mislabeled Data and Overfitting for Security Log Analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Partial AUC / Partial AUC |
| キーワード(2)（和/英） | AUC / AUC |
| キーワード(3)（和/英） | ログ分析 / Log Analysis |
| キーワード(4)（和/英） | マルウェア / Malware |
| 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） | 西山 泰史 / Taishi Nishiyama / ニシヤマ タイシ |
| 第1著者 所属（和/英） | NTT社会情報研究所 (略称： NTT) NTT Social Informatics Laboratories (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 神谷 和憲 / Kazunori Kamiya / カミヤ カズノリ |
| 第2著者 所属（和/英） | NTTセキュリティ・ホールディングス/NTT社会情報研究所 (略称： NSH/NTT) NTT Security Holdings/NTT Social Informatics Laboratories (略称： NSH/NTT) |
| 第3著者 氏名（和/英/ヨミ） | 熊谷 充敏 / Atsutoshi Kumagai / クマガイ アツトシ |
| 第3著者 所属（和/英） | NTT社会情報研究所 (略称： NTT) NTT Social Informatics Laboratories (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-04 16:25:00 |
| 発表時間 | 20分 |
| 申込先研究会 | ICSS |
| 資料番号 | ICSS2025-138 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.381 |
| ページ範囲 | pp.394-401 |
| ページ数 | 8 |
| 発行日 | 2026-02-24 (ICSS) |
[研究会発表申込システムのトップページに戻る]