{"links":{},"id":2005210,"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:02005210","sets":["6164:6165:6640:1752804461720"]},"path":["1752804461720"],"owner":"11","recid":"2005210","title":["連合学習を用いたネットワーク侵入検知システムにおける攻撃データ共有による精度向上手法の検討"],"pubdate":{"attribute_name":"PubDate","attribute_value":"2025-06-18"},"_buckets":{"deposit":"a2250eb9-ee4b-4d45-9f69-6faa733c8a8c"},"_deposit":{"id":"2005210","pid":{"type":"depid","value":"2005210","revision_id":0},"owners":[11],"status":"published","created_by":11},"item_title":"連合学習を用いたネットワーク侵入検知システムにおける攻撃データ共有による精度向上手法の検討","author_link":[],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"連合学習を用いたネットワーク侵入検知システムにおける攻撃データ共有による精度向上手法の検討","subitem_title_language":"ja"}]},"item_keyword":{"attribute_name":"キーワード","attribute_value_mlt":[{"subitem_subject":"ネットワーク","subitem_subject_scheme":"Other"}]},"item_type_id":"18","publish_date":"2025-06-18","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"福井大"},{"subitem_text_value":"福井大"},{"subitem_text_value":"福井大"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/2005210/files/IPSJ-DICOMO2025185.pdf","label":"IPSJ-DICOMO2025185.pdf"},"date":[{"dateType":"Available","dateValue":"2027-06-18"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2025185.pdf","filesize":[{"value":"1.0 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"0670fd46-69ca-413a-8cc6-0fb104f96103","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2025 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"岡田, 明日香"}]},{"creatorNames":[{"creatorName":"川上, 朋也"}]},{"creatorNames":[{"creatorName":"長谷川, 達人"}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"本研究では連合学習を用いたネットワーク侵入検知システム（NIDS）の精度を向上するため，クライアント間で攻撃データを共有する手法を提案する．ネットワーク技術の発展に伴ってサイバー攻撃の被害が近年拡大しており，NIDS が活用されている．機械学習ベースの NIDS においては学習データの量と質が精度に大きく影響する．しかし，小さな組織ではデータ量が足りずに十分な学習ができず，他の組織のデータを共有することは個人情報漏洩のリスクがある．また，複数のクライアントが個々に学習を行う連合学習ではデータのプライバシーが保たれるが，データを集約した学習（中央集約型学習）と比較して精度が低下する．提案手法ではこの連合学習における精度低下を抑制するため，攻撃データに関しては隠す必要がない特徴が大半であると考え，複数のクライアント間で共有する．提案手法は連合学習フレームワーク Flower と HIKARI-2021 データセットを用いて評価し，Accuracy, Recall, Precision, F1-score が中央集約型学習の精度に近づくことを確認した．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"1384","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散，協調とモバイル(DICOMO2025)シンポジウム2025論文集"}],"bibliographicPageStart":"1377","bibliographicIssueDates":{"bibliographicIssueDate":"2025-06-18","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2025"}]},"relation_version_is_last":true,"weko_creator_id":"11"},"created":"2025-10-23T04:35:57.355923+00:00","updated":"2025-10-23T04:51:04.622496+00:00"}