| 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
|
| 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 |
|---|
| 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．
|
| 自由記述の分野 |
情報ネットワーク
|
| 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．
|
