LSTM-RNN を用いたフロー予測によるインターネット・バックボーンを対象とした異常検知手法

• Item type: Symposium(1)
• 公開日: 2019-06-26
• タイトル: LSTM-RNN を用いたフロー予測によるインターネット・バックボーンを対象とした異常検知手法
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: インターネット
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学理工学部
• 著者名: 和久井, 拓; 近藤, 賢郎; 寺岡, 文男
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: インターネット・バックボーンには多種多様なトラフィックが混在する．その結果観測されるトラフィックは平常時でも時間軸に対して変動が大きいジャギーな特性を有する．一方で，インターネット・バックボーンでは，機器故障や攻撃活動などに起因する多種多様な異常事象が生じうる．安定したインターネット運用の実現のためには，ジャギーな特性を持つトラフィックを前提として多種多様な異常事象を検知する汎用的な技術が必要となる．本稿では，インターネット・トラフィックを対象として多様な異常事象に対する汎用的な異常検知手法を提案する．トラフィック情報にはトラフィック流量に対してスケーラブルに観測可能なフロー情報を用いる．また多種多様な異常事象を観測可能なメトリックとしてトラフィックのスループットを用いる．異常事象の発見のために参照されるモデルは，インターネット・トラフィックの周期性に着目してLSTM-RNN (Long Short-Term Memory RNN) によって作成する．ジャギーな特性を持つトラフィックは終点アドレス，始点アドレスの双方の視点で分類される．終点アドレスは BGP (Border Gateway Protocol) で構成される経路表に含まれるAS PATH リストを集約したクラスに分類される．結果的に，生成されるモデルの数は終点アドレス数に対してスケールする．本稿では，BGP で構成される経路表やフロー情報のパーサ，LSTM-RNNに基づくトラフィック・モデルの学習器を実装した．LSTM-RNN に基づく学習器はcuDNN， Chainer といったライブラリをもとにGPU 環境で動作するものを実装した．学習に利用するデータセットにはWIDE バックボーン(AS2500)で観測されるフロー情報とBGP の経路表を用いた．生成されたトラフィック・モデルとデータセットに含まれる実測値の比較の結果，曜日単位でのモデル学習を通じ妥当なトラフィック・モデルを生成した．また，Event Traffic の検知を確認した.
• 書誌情報: マルチメディア,分散協調とモバイルシンポジウム2019論文集; 巻 2019, p. 450-461, 発行日 2019-06-26
• 出版者 / 言語: ja
• 出版者: 情報処理学会