• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

暗号化された複雑なWeb通信のPassive計測によるサービスタイプ特定の研究

研究課題

研究課題/領域番号 19K11950
研究種目

基盤研究(C)

配分区分基金
応募区分一般
審査区分 小区分60060:情報ネットワーク関連
研究機関東京都市大学

研究代表者

塩本 公平  東京都市大学, 情報工学部, 教授 (00535750)

研究期間 (年度) 2019-04-01 – 2023-03-31
研究課題ステータス 完了 (2022年度)
配分額 *注記
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
キーワード暗号化 / Web通信トラフィック / サービスタイプ特定 / 機械学習 / 半教師あり学習 / 特徴量 / ラベル付与 / Web通信サービス特定 / Webサービス / パケットキャプチャ / 教師あり学習 / HTTP / トラヒック分析
研究開始時の研究の概要

暗号化された多数のコネクションから構成されたWeb通信の計測データを分析し、ユーザが利用しているサービスタイプを特定する手法を確立する。
トランスポートレイヤとネットワークレイヤの計測情報からサービスタイプを示す特徴量を決定し、それらの特徴量からなる特徴ベクトルをもとにサービスタイプを識別するための機械学習アルゴリズムを研究する。
機械学習において人手でのラベル付け作業が必要となる教師データの数を抑えるために、半教師あり学習を適用することが本研究の特徴である。膨大のデータが持つ構造をもとにラベルを付与するデータの決定法とサービスタイプの識別するための特徴ベクトルの領域境界の決定法を明らかにする。

研究成果の概要

機械学習モデルを用いてサービス特定を行う際に,暗号化されたパケットキャプチャデータから抽出できる特徴量のうち,コネクション毎のバイト数とパケット数に関して最大値,平均値,中間値,および分散がサービス特定に有効な特徴量であることを明らかにした.
半教師あり学習である敵対的自己符号化器を用いたネットワーク侵入検知システムを検討し,訓練データセット中のラベル付きデータサンプルの0.1%のみで,多層パーセプトロンベースのネットワーク侵入検知システムと同等の性能を達成でき,人手でのラベル付け作業が必要となる教師データの数を抑えることができることを明らかにした.

研究成果の学術的意義や社会的意義

今日のWeb通信は複雑な構造であり,暗号化されたパケットキャプチャデータからWebサービスを特定することは困難であった.本研究の学術的意義は暗号化されたパケットキャプチャデータを機械学習によりサービス特定を行う際に有効な特徴量を明らかにしたこと,半教師あり学習を用いることで人手のかかるデータへのラベル付け作業を削減したことである.
本研究の社会的意義は,暗号化が普及した現在のインターネットで困難であったWebサービスの特定が可能になり,ユーザに提供するサービス体感品質を最適化するために必要なネットワーク性能をネットワーク事業者が把握することが可能となったことである.

報告書

(5件)
  • 2022 実績報告書   研究成果報告書 ( PDF )
  • 2021 実施状況報告書
  • 2020 実施状況報告書
  • 2019 実施状況報告書
  • 研究成果

    (7件)

すべて 2023 2021 2020 2019

すべて 雑誌論文 (3件) (うち査読あり 2件) 学会発表 (4件) (うち国際学会 1件)

  • [雑誌論文] Network Intrusion Detection System Based on an Adversarial Auto-Encoder with Few Labeled Training Samples2023

    • 著者名/発表者名
      Kohei Shiomoto
    • 雑誌名

      Journal of Network and Systems Management

      巻: 31 号: 1 ページ: 1-22

    • DOI

      10.1007/s10922-022-09698-w

    • 関連する報告書
      2022 実績報告書
    • 査読あり
  • [雑誌論文] 暗号化されたWebサービス推定のためのFew-shot Learningにおけるラベル付与法に関する検討2021

    • 著者名/発表者名
      吉田 祥太, 江口 優, 塩本 公平
    • 雑誌名

      電子情報通信学会技術研究報告 Online edition: ISSN 2432-6380

      巻: Volume 120, Number 109

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Intrusion Detection System using Semi-Supervised Learning with Adversarial Autoencoder2020

    • 著者名/発表者名
      Kazuki Hara and Kohei Shiomoto
    • 雑誌名

      Proceedings of IEEE/IFIP Network Operations and Management Symposium (NOMS 2020)

      巻: -

    • 関連する報告書
      2019 実施状況報告書
    • 査読あり
  • [学会発表] インターネットにおける暗号化トラフィックの機械学習に よる分析のための 特徴量と教師データの作成法に関する研 究2021

    • 著者名/発表者名
      江口 優
    • 学会等名
      電子情報通信学会 東京支部学生会 第26回研究発表会
    • 関連する報告書
      2020 実施状況報告書
  • [学会発表] 暗号化されたWebサービス推定のためのFew-shot Learningにおけるラベル付与法に関する検討2020

    • 著者名/発表者名
      江口 優
    • 学会等名
      電子情報通信学会 信学技報 2020年7月 ICM研究会
    • 関連する報告書
      2020 実施状況報告書
  • [学会発表] Intrusion Detection System using Semi-Supervised Learning with Adversarial Autoencoder2020

    • 著者名/発表者名
      Kazuki Hara and Kohei Shiomoto
    • 学会等名
      IEEE/IFIP Network Operations and Management Symposium (NOMS2020)
    • 関連する報告書
      2019 実施状況報告書
    • 国際学会
  • [学会発表] Adversarial Autoencoderを用いた半教師あり学習によるネットワーク侵入検知システムの検討2019

    • 著者名/発表者名
      原和希 塩本公平
    • 学会等名
      電子情報通信学会 信学技報 2019年3月 NS研究会
    • 関連する報告書
      2019 実施状況報告書

URL: 

公開日: 2019-04-18   更新日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi