Isolation Forestを用いたIoT向け異常検知手法に関する考察

• Item type: Symposium(1)
• 公開日: 2024-10-15
• タイトル / 言語: ja
• タイトル: Isolation Forestを用いたIoT向け異常検知手法に関する考察
• タイトル / 言語: en
• タイトル: A Study on Anomaly Detection Method for IoT using Isolation Forest
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: Isolation Forest， IoT， IDS， 異常検知
• 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: 東京工業大学情報理工学院数理・計算科学系
• 著者所属: 東京工業大学学術国際情報センター
• 著者所属: 東京工業大学学術国際情報センター
• 著者所属(英): en
• 著者所属(英): Department of Mathematical and Computing Sciences, School of Computing, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Global Scientific Information and Computing Center
• 著者所属(英): en
• 著者所属(英): Global Scientific Information and Computing Center
• 著者名: 菅田, 大輔; 石井, 将大; 松浦, 知史
• 著者名(英): Daisuke, Sugata; Masahiro, Ishii; Satoshi, Matsuura
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，Isolation Forestを用いたIoT向け異常検知手法の改善を行った．この研究の背景には，IoT（Internet of Things）の普及があり，すべてのIoT機器のセキュリティ確保が重要な課題となっている．本研究では，専門的なセキュリティ対策が難しい家庭内ネットワークなどの小規模環境に着目し，軽量で高速な異常検知システムの提案を目指した．AbuAlghanamらが提案したIsolation Forestを用いたIoT向けIDSは，その軽量性と高速性から今回の想定に適しているが，二つの問題が存在する．閾値を手動で設定する必要がある点と，閾値による異常判定アルゴリズムの精度に限界がある点である．これらの課題を解決するため，本研究では異常判定にロジスティック回帰を応用した判定アルゴリズムを提案する．提案手法を二つのデータセットで実験した結果，精度がそれぞれ82.1%から90.7%，85.7%から94.9%に改善したことを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose an improvement to the anomaly detection method for IoT using Isolation Forest. The background of this study lies in the widespread adoption of the Internet of Things (IoT), where ensuring the security of all IoT devices has become a critical issue. This research aims to propose a lightweight and fast anomaly detection system, particularly suited for small-scale environments such as home networks, where implementing specialized security measures is challenging. The IoT-oriented IDS using Isolation Forest proposed by AbuAlghanam et al. is suitable for this scenario due to its lightweight and fast nature. However, it has two major issues: the need for manual threshold setting and the limited accuracy of the anomaly detection algorithm based on these thresholds. To address these challenges, we propose a detection algorithm that applies logistic regression to anomaly detection. Experimental results on two datasets showed that the accuracy improved from 82.1% to 90.7% and from 85.7% to 94.9%, respectively.
• 書誌情報: コンピュータセキュリティシンポジウム2024論文集; p. 32-38, 発行日 2024-10-15
• 出版者 / 言語: ja
• 出版者: 情報処理学会