大規模ネットワークトラヒックに対する即応性のある異常検知システムの構築

抄録

近年、DDoS攻撃をはじめとしたサイバー攻撃が複雑化しており、従来広く用いられてきた閾値やルールによる異常検知が困難となりつつある。そこで深層学習といったより高精度なモデルを用いたネットワークの異常検知手法が提案されている。一方で、IoT機器の社会への浸透を背景にインターネットトラヒックは年々増加しており、膨大なストリームデータに対して計算量の多いモデルを用いることは即応性の問題が生じる。 そこで，本研究では分散基盤と深層学習を組み合わせることで、即応性を落とすことなく，高精度なリアルタイム異常検知システムについて検討する．具体的には，分散処理フレームワークであるspark streamingを利用し、学習済みの深層学習モデルに対して処理の負荷を分散することで、実インターネット上を流れるトラヒックに対しリアルタイムに異常検知を行った。