WEKO3
アイテム
機械学習ベースNIDS向け小型センサの性能評価
https://ipsj.ixsq.nii.ac.jp/records/2007402
https://ipsj.ixsq.nii.ac.jp/records/200740228173782-418c-48ac-8b2f-3858333ab735
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-IOT26072025.pdf (1.8 MB)
2028年2月24日からダウンロード可能です。
|
Copyright (c) 2026 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, IOT:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2026-02-24 | |||||||||
| タイトル | ||||||||||
| 言語 | ja | |||||||||
| タイトル | 機械学習ベースNIDS向け小型センサの性能評価 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Performance Evaluation of Lightweight Sensors for Machine Learning-based NIDS | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | IOT | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 豊橋技術科学大学 | ||||||||||
| 著者所属 | ||||||||||
| 豊橋技術科学大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Toyohashi University of Technology | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Toyohashi University of Technology | ||||||||||
| 著者名 |
齋藤,大夢
× 齋藤,大夢
× 中村,純哉
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 機械学習を用いたNIDS（以降，MLNIDSと呼ぶ）は，シグネチャを用いた従来のNIDSと比較して，未知の攻撃や異常通信の検知精度が高いという利点がある．MLNIDSでは機械学習による分類に大きな処理能力が必要なことから，特徴量抽出のためのセッション情報生成をローカル環境で実施し，実際の推論処理はバックエンドのクラウドサービスなどへとオフロードする設置形態が想定される．この形態では，ローカル環境でセッション情報を生成するセンサがボトルネックになると予想されるが，これまでに実環境を想定した性能評価などは行われていない．本研究では，ローカル環境のセンサの計算能力がセッション情報生成処理に与える影響を定量的に実験評価し，ネットワークトラフィックの帯域幅に応じた最適な計算能力を明らかにする． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | Machine learning-based network intrusion detection systems (MLNIDS) have the advantage of achieving higher detection accuracy for unknown attacks and anomalous traffic compared to conventional signature-based NIDS. Since MLNIDS require substantial computational resources for machine learning-based classification, its deployment is typically assumed in which session information for feature extraction is generated in a local environment, while the actual inference process is offloaded to backend services such as cloud platforms. In this architecture, the sensor responsible for generating session information in the local environment is expected to become a performance bottleneck; however, performance evaluations assuming real-world environments have not been sufficiently conducted. In this study, we quantitatively evaluate, through experiments, the impact of the computational capability of local sensors on session information generation and identify the optimal level of computational resources required in accordance with network traffic bandwidth. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12326962 | |||||||||
| 書誌情報 |
研究報告インターネットと運用技術（IOT） 巻 2026-IOT-72, 号 25, p. 1-8, 発行日 2026-02-24 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8787 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
