[4Xin2] ポスターセッション2

[4Xin2-59] VQ-VAEとTransformerによるフローデータの統計的・順序的特徴を考慮した教師なし異常通信検知手法

〇奥井 宣広¹、福嶋 昌太郎²、窪田 歩¹、吉田 琢也³ (1.株式会社KDDI総合研究所、2.株式会社ARISE analytics、3.トヨタ自動車株式会社)

キーワード：異常検知、サイバーセキュリティ、IoT

IoTデバイスの普及に伴い，IoTデバイスを対象としたサイバー攻撃は増加傾向にあり，異常通信検知手法の更なる高度化が求められている．異常通信検知で用いるデータ形式としては，スケーラビリティの観点からパケットデータをセッション単位の統計量に集約したフローデータが注目されているが，パケットデータと比較し情報量が大きく減少するため，検知精度向上が課題である．近年では，自然言語処理技術を応用した異常通信検知手法が提案されており，フローデータの順序的な特徴を考慮することで精度向上につながることが報告されている．しかし，先行研究の手法ではフローデータを単語と見なす際に行われる離散化により統計情報が失われ，統計的な違いが重要である異常通信を検知できない．本研究では，Vector Quantization VAE（VQ-VAE）による離散化とTransformerによる自己回帰学習を組み合わせた異常通信検知手法を提案する．公開されているIoT通信データセットを用いて実験を行い，ROC-AUC:0.688と従来手法と比較して精度が向上することを確認した．