@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00240953,
 author = {江田, 琉聖 and 木田, 良一 and 小笠原, 恒雄 and 戸川, 望 and Ryusei, Eda and Ryoichi, Kida and Tsuneo, Ogasawara and Nozomu, Togawa},
 book = {コンピュータセキュリティシンポジウム2024論文集},
 month = {Oct},
 note = {近年，Internet of Things(IoT)デバイスの普及に伴い，ハードウェアデバイスに実装される部品またはプログラムに起因するセキュリティ課題が増加している． OS上でアプリケーションが実行されるIoTデバイスでは，OSやハードウェアによる定常的な消費電力とアプリケーションによる消費電力が重なり，複雑な消費電力波形になる． 消費電力波形を用いて異常動作を検知するには，測定した電力波形から定常的な消費電力を差し引き，アプリケーション電力波形のみを抽出する必要がある． 定常的な消費電力を含むIoTデバイスの異常動作検知手法として，我々は波形生成に基づく手法を提案している． 波形生成に基づく手法は，定常的な消費電力を機械学習を用いて除去し，電力波形の潜在的な特徴量を抽出することで自動的に異常動作を検知する． 本稿では，2種類のデバイスに対して波形生成に基づく手法を適用し，その有効性を評価する． 実験の結果，シングルボードコンピュータとFPGAの両方において，従来手法で検知できなかった異常動作を波形生成に基づく手法で検知できた．, In this paper, we apply the waveform generation-based IoT anomaly detection method to two types of devices and evaluate its effectiveness. Experimental results show that the method can detect anomalous behaviors successfully in both a single-board computer and an FPGA while the recent state-of-the-art method cannot detect them.},
 pages = {1561--1568},
 publisher = {情報処理学会},
 title = {ハイパーパラメータチューニングを導入した生成電力波形によるIoTデバイス異常動作検知手法の評価},
 year = {2024}
}