ConvNeXtによるネットワークトラフィック中の異常検出

• Item type: Symposium(1)
• 公開日: 2024-10-15
• タイトル / 言語: ja
• タイトル: ConvNeXtによるネットワークトラフィック中の異常検出
• タイトル / 言語: en
• タイトル: Anomaly Detection in Network Traffic using ConvNeXt
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ネットワークの異常検出，IDS，ConvNeXt，1D CNN
• 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: 大阪公立大学大学院情報学研究科
• 著者所属: 大阪公立大学大学院情報学研究科
• 著者所属: 大阪公立大学大学院情報学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Osaka Metropolitan University
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Osaka Metropolitan University
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Osaka Metropolitan University
• 著者名: 藤本, 聖己; 青木, 茂樹; 宮本, 貴朗
• 著者名(英): Masaki, Fujimoto; Shigeki, Aoki; Takao, Miyamoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年のサイバー攻撃の多様化と高度化に伴ってネットワークにおける侵入検知システム（IDS）の重要性が増加している．先行研究では，ネットワークトラフィックから抽出した統計量に注目する手法や，ネットワークトラフィックを時系列データと捉えて異常検知するIDSに関する手法が数多く提案されている．本研究では，深層学習技術を活用して高精度にネットワークトラフィックの異常を検知する手法を提案する．まず，ネットワークトラフィックからパケットを選択して取得し，それらを画像として表現する．次に，画像で表現したトラフィックデータから大規模物体認識データで学習させた最新のCNNモデルであるConvNeXtにより，高次元かつ高精度な特徴ベクトルを抽出する．次に，抽出した特徴ベクトルを1D CNNで学習し，異常トラフィックを識別する．実験ではCICIDS2017データセットを用いて，提案手法の有効性を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The significance of intrusion detection systems (IDS) in network security has grown due to the increasing diversification and sophistication of cyber attacks. Previous research has proposed various methods for IDSs, focusing on statistical analysis of network traffic or anomaly detection using network traffic as time-series data. In this study, we present an accurate method for detecting network traffic anomalies using deep learning techniques. Our approach involves selecting packets from network traffic and representing them as images. We then extract high-dimensional, precise feature vectors from these image representations using ConvNeXt, a state-of-the-art convolutional neural network (CNN) model trained on large-scale object recognition data. Subsequently, the extracted feature vectors are used to train a 1D CNN for identifying anomalous traffic. We validate the effectiveness of our proposed method through experiments conducted on the CICIDS2017 dataset.
• 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. 1668-1675, 発行日 2024-10-15
• 出版者 / 言語: ja
• 出版者: 情報処理学会