Item type |
Symposium(1) |
公開日 |
2021-06-23 |
タイトル |
|
|
タイトル |
MADMAX: Extreme Learning Machineを用いたブラウザベース悪性ドメイン検知アプリケーション |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
サイバーセキュリティ |
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 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者所属 |
|
|
|
大阪大学 |
著者名 |
岩花, 一輝
竹村, 達也
鄭, 儒謙
芦澤, 奈実
梅田, 直希
佐藤, 航大
川上, 遼太
清水, 嶺
知念, 祐一郎
矢内, 直人
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
高速かつ高精度の悪性ドメイン検知において,未知の悪性ドメインを検知するために,機械学習が注目されている.本稿では,単一の中間層を持つニューラルネットワークである extreme learning machine (ELM) を用いたブラウザベースの悪性ドメイン検知アプリケーションである MADMAX (MAchine learning-baseD MAlicious domain eXhauster) を提案する.既存の ELM を用いた悪性ドメイン検知と比較して,MADMAX では 2 つの新たな手法を導入している.まず,高精度かつ高速なドメイン検知を実現するため,permutation importance に基づいた最適な特徴量の選択を行う.さらに,日々進化し続ける悪性ドメインの更新にも対応できるように,学習モデルを再学習させるリアルタイム学習を行う.MADMAX では最適な特徴量の選択を通じて,既存研究と比較して精度とスループットの改善に成功した.さらに,リアルタイム学習で学習したモデルは安定して未知の悪性ドメインを検知し続けたが,リアルタイム学習を行わないモデルは未知の悪性ドメインを検知できず,精度が低下することを確認した.MADMAX のソースコードは GitHub を通じて, 公開利用可能である. |
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2021論文集
巻 2021,
号 1,
p. 435-457,
発行日 2021-06-23
|
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |