モバイルアドホックネットワークにおけるアンサンブル学習を用いた頑健な攻撃端末の検出

• Item type: Journal(1)
• 公開日: 2019-02-15
• タイトル: モバイルアドホックネットワークにおけるアンサンブル学習を用いた頑健な攻撃端末の検出
• タイトル / 言語: en
• タイトル: Robust Malicious Node Detection with Ensemble Learning in MANETs
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ネットワークサービスと分散処理] モバイルアドホックネットワーク，セキュリティ，機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, Osaka University
• 著者名: 高, 博奇; 前川, 卓也; 天方, 大地; 原, 隆浩
• 著者名(英): Boqi, Gao; Takuya, Maekawa; Daichi, Amagata; Takahiro, Hara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，モバイルアドホックネットワーク（MANET）に関心が高まっている．MANETは無線移動端末のみで構成できるという利点から，次世代のネットワークとなるポテンシャルがある．一方，自律分散的なネットワークであるという特徴ゆえ，攻撃端末の参加も容易であるという側面もある．そのため，MANETにおけるセキュリティは，解決すべき重要な問題である．本論文では，MANETにおいて，機械学習を用いて攻撃端末を特定する新たな方法を提案する．一般的に，機械学習を用いた方法では，テスト環境で動作する検出器を同様の環境で訓練することを想定している．しかし，テスト環境と訓練環境が異なる場合，その検出器は効果的に機能しない．MANETはモバイル環境であるため，テスト環境とまったく同様の訓練環境を用意して訓練を行うことは難しい．提案手法は，アンサンブル学習を用いて，テスト環境に適応した検出器を作成する．まず，条件の異なる様々な環境でシミュレーションを行い，それぞれの環境ごとの検出器を学習する．そして，テスト環境で効果的に動作すると推定される検出器をいくつか統合してアンサンブル検出器を作成する．実験結果から，提案手法の有効性を検証し，既存手法を超える性能を持つことを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Mobile ad hoc networks (MANETs) have been recently receiving attention, and they have a potential to be a next generation network due to its advantage: a MANET consists only of wireless mobile nodes. Meanwhile, this feature may make malicious nodes join MANETs easily, thereby providing secure support to MANETs is an important problem. This paper presents a novel approach that builds a robust malicious node detector for detecting malicious nodes in MANETs based on machine learning. Existing machine learning-based malicious node detection assumes that a detector for a test environment is trained in the same network. However, when test environments are different from training environments, the detectors do not work well. As MANET environments are diverse, it is impractical to prepare training environments that are identical to the test environments. Our proposed method employs ensemble learning to construct an environment-adaptive malicious node detector. First, we prepare weak malicious node detectors trained in diverse training environments. Second, we design a method to find weak detectors which are estimated to work well in the test environment, and use them to construct an ensemble detector. Through comprehensive experiments, we demonstrate the effectiveness of our method, and our method significantly outperforms the state-of-the-art methods.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 60, 号 2, p. 501-513, 発行日 2019-02-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764