[4Xin1] ポスターセッション2

[4Xin1-47] フローデータのまとまりを考慮した新たなグラフ構成手法とGNNによる異常通信検知への適用

〇奥井 宣広¹、秋元 裕介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：異常通信検知、グラフニューラルネットワーク、IoT

近年，IoTデバイスの普及に伴い一般家庭でも複数のIoTデバイスをホームネットワークに接続して使用するようになった．IoTデバイスが増加する一方で，IoTデバイスに関するサイバー攻撃への対策が重要な課題となっている．マルウェア感染によるDoS攻撃やホストスキャンなどの異常通信を検知する方法として，深層学習を含む様々な手法が提案されている．近年では特に，グラフニューラルネットワーク（GNN）による異常検知手法が注目されている．GNNを用いた先行研究では，通信ホストをノード，ホスト間の通信をエッジとするグラフが主に用いられる．この手法による異常通信検知はDoS攻撃など通信特性が正常通信と大きく乖離する異常通信は検知できるが，C2通信など正常通信とは区別が難しい異常通信の検知が困難である．本研究では，連続するフローデータから機能単位の通信順序や通信のまとまりを表現できる新しいグラフ構成方法を提案する．本手法とGNNによる異常検知モデルを組み合わせて異常通信検知に適用し，公開データセットを用いて精度評価実験を実施した．その結果，従来手法と比較して検知精度が向上し、効果があることが確認できた．