WEKO3
-
RootNode
アイテム
DDoS検出ための畳み込みニューラルネットワークの軽量化手法について
https://ipsj.ixsq.nii.ac.jp/records/224961
https://ipsj.ixsq.nii.ac.jp/records/224961cf023201-ea90-4e94-8bfa-59fe87f89b69
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-IOT23060021.pdf (1.5 MB)
|
Copyright (c) 2023 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-03-08 | |||||||||
| タイトル | ||||||||||
| タイトル | DDoS検出ための畳み込みニューラルネットワークの軽量化手法について | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | A Lightweight Method for Convolutional Neural Networks for DDoS Detection | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | IOTセッション | |||||||||
| 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 | ||||||||||
| 関西大学総合情報学研究科 | ||||||||||
| 著者所属 | ||||||||||
| 関西大学総合情報学部 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Graduate School of Informatics, Kansai University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Faculty of Informatics, Kansai Uniersity | ||||||||||
| 著者名 |
趙, 彦博
× 趙, 彦博
× 小林, 孝史
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | ネットワークの発展やアクセスするデバイスの急増に伴い，DDoS 攻撃の強度や頻度が高まっており，DDoS 攻撃の緩和や検知が重要となっている．CNN に代表される機械学習アルゴリズムは DDoS 攻撃検知の分野でも応用され，良好な成果を得ている．しかし，CNN はもともと画像領域で使われるニューラルネットワークであり，DDoS 検知に適用する場合，パラメータ数や実行速度が問題となる．本研究では，知識蒸留により CNN モデルを圧縮することで，軽量な DDoS 攻撃検知を実現する．本研究はまず，CNN を用いてネットワークトラフィックの二値分類を行い，DDoS 攻撃の有無を検出する検出率 99.8% を達成し，DDoS 攻撃検出分野における CNN の有効性を検証した．その後，6 つの CNN モデルを選定し，CICDDoS2019 データセットで多目的分類を行い，最適なモデルを教師モデルとして，LSTM を生徒モデルに選定し，知識蒸留を行う．最終的に，LSTM モデル単独での学習より 1.6% 高い，86.9% の正解率を達成し，パラメータ数と学習時間を大幅に削減することができた． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | With the development of networks and the rapid increase in the number of devices accessing them, the intensity and frequency of DDoS attacks have increased, making DDoS attack mitigation and detection important. Machine learning algorithms such as CNNs have been applied to DDoS attack detection with good results. However, CNNs are neural networks originally used in the image domain, and when applied to DDoS detection, the number of parameters and execution speed are problematic. In this study, we use knowledge distillation to compress CNN models to achieve lightweight DDoS attack detection. First, this research verified the effectiveness of CNNs in the field of DDoS attack detection by achieving a detection rate of 99.8 percent by using CNNs to bi-classify network traffic and detecting the presence of DDoS attacks. We then selected six CNN models and performed multi-objective classification on the CICDDoS2019 dataset, selecting the best model as the teacher model and LSTM as the student model for knowledge distillation. Finally, we achieved an 86.9% correct response rate, 1.6% higher than the LSTM model, and the number of parameters and training time were significantly reduced. | |||||||||
| 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 2023-IOT-60, 号 21, p. 1-6, 発行日 2023-03-08 |
|||||||||
| 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 | |||||||||
