2024-03-29T18:01:01Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:001970222023-11-17T02:17:36Z06504:09795:09815
疎構造学習およびグラフ畳み込みニューラルネットワークによる異常検知jpnネットワークhttp://id.nii.ac.jp/1001/00196932/Conference Paperhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=197022&item_no=1&attribute_id=1&file_no=1Copyright (c) 2019 by the Information Processing Society of Japanさくらインターネット株式会社さくらインターネット株式会社熊谷, 将也松本, 亮介サイバー攻撃の高度化・多様化に伴い、機械学習を用いた侵入検知システム(IDS: Intrusion Detection System)の研究が盛んに進められている。IDSの研究で扱われる代表的なデータセットKDDCup1999Dataでの検証では、多くの手法が高い予測精度を示している。ところが実運用においては、予測精度の高さだけなく、そのトラフィックデータが攻撃である原因を追求する必要がある。そこで本研究では、疎構造学習を用いてトラフィックデータを人間が比較的理解しやすい相関関係グラフに変換し、そのグラフ構造をグラフ畳み込みニューラルネットワークによって学習する手法を提案する。本手法により、侵入検知ができるだけでなく、攻撃の原因となる部分グラフを示すことができると考えている。AN00349328第81回全国大会講演論文集2019131322019-02-282019-05-29