WEKO3
アイテム
機械学習に基づくNIDS分散処理フレームワークの実性能について
https://ipsj.ixsq.nii.ac.jp/records/233293
https://ipsj.ixsq.nii.ac.jp/records/233293429eae69-8dbc-447d-beff-5ef4fb9bb421
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DPS24198009.pdf (2.0 MB)
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-03-11 | |||||||||
| タイトル | ||||||||||
| タイトル | 機械学習に基づくNIDS分散処理フレームワークの実性能について | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | On the Practical Performance of a Distributed Processing Framework for Machine Learning-based NIDS | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 機械学習 | |||||||||
| 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 |
梶浦, 真帆
× 梶浦, 真帆
× 中村, 純哉
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | ネットワーク侵入検知システム（NIDS）は，通信トラフィックに含まれる侵入攻撃を検知するシステムである．特に機械学習に基づく NIDS は未知の攻撃に対して高い検知率を誇ることから注目を集めている．これまでにスケーラブルな分散ストリーム処理システムを活用した機械学習に基づく NIDS 向け分散処理フレームワークが提案されているが，機械学習による分類を含めた包括的な性能評価はされていない．本論文では，代表的な 5 種類の機械学習アルゴリズム（決定木，ランダムフォレスト，ナイーブベイズ，SVM，kNN）による分類器をフレームワーク上に実装し，スループットと処理遅延を評価する．評価実験の結果から，分類器による処理性能の違いと，フレームワークにおいて処理性能のボトルネックとなる箇所を明らかにする． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | A Network Intrusion Detection System (NIDS) is a system that detects intrusion attacks contained in network traffic. In particular, machine learning-based NIDS has attracted attention due to its high detection rate against unknown attacks. So far, a distributed processing framework for machine learning-based NIDS utilizing a scalable distributed stream processing system has been proposed. However, a comprehensive performance, including machine learning-based classifiers, has not been evaluated. In this paper, we implement five representative classifiers (Decision Tree, Random Forest, Naive Bayes, SVM, and kNN) on the framework and evaluate their throughput and latency. From the experimental results, we will show the difference in the processing performance among these classifiers and the bottleneck in the framework. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10116224 | |||||||||
| 書誌情報 |
研究報告マルチメディア通信と分散処理（DPS） 巻 2024-DPS-198, 号 9, p. 1-8, 発行日 2024-03-11 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8906 | |||||||||
| 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 | |||||||||
