[論文レビュー] A Hybrid Rule Based Fuzzy-Neural Expert System For Passive Network Monitoring

Azruddin Ahmad, Gobithasan Rudrusamy+3 more|arXiv (Cornell University)|Apr 30, 2013

Artificial Intelligence and Decision Support Systems参考文献 5被引用数 12

ひとこと要約

本論文は、ルールベース論理、ファジィ推論、ニューラルネットワーク学習を統合することで、不審な挙動の検出を向上させる、受動的ネットワーク監視を目的としたハイブリッド型ルールベースファジィニューラルエキスパートシステム（ANFIS）を提案する。専門家が定義したルールによる演繹的推論と、データからの適応的学習を組み合わせることで、アクティブなプローブを用いずに、知識ベースを動的に更新し、ネットワーク侵入の特定における精度と応答性を向上させる。

ABSTRACT

An enhanced approach for network monitoring is to create a network monitoring tool that has artificial intelligence characteristics. There are a number of approaches available. One such approach is by the use of a combination of rule based, fuzzy logic and neural networks to create a hybrid ANFIS system. Such system will have a dual knowledge database approach. One containing membership function values to compare to and do deductive reasoning and another database with rules deductively formulated by an expert (a network administrator). The knowledge database will be updated continuously with newly acquired patterns. In short, the system will be composed of 2 parts, learning from data sets and fine-tuning the knowledge-base using neural network and the use of fuzzy logic in making decision based on the rules and membership functions inside the knowledge base. This paper will discuss the idea, steps and issues involved in creating such a system.

研究の動機と目的

• 受動的ネットワークトラフィックにおける異常を検出できる知能的なネットワーク監視システムの開発を目的とする。
• 従来のルールベースシステムや完全にニューラルネットワークに依存するシステムの限界を克服するため、ファジィ論理とニューラルネットワークの長所を組み合わせることを目的とする。
• ルールベースの演繹とデータ駆動型学習の両方を支援する二重知識ベースアーキテクチャの構築を目的とする。
• 新しいネットワークパターンからの段階的学習を通じて、システムの継続的適応を可能にする。
• ネットワーク侵入検出における検出精度の向上と誤検出の低減を目的とする。

提案手法

• 本システムは、ルールベース論理、ファジィ推論、および適応的ニューロファジィ推論システム（ANFIS）を組み合わせたハイブリッドアーキテクチャを採用する。
• ネットワークパラメータのファジィ集合を表現するために所属関数を用い、不確実性下での近似的推論を可能にする。
• 専門家が定義したルールを、既知のネットワーク行動およびセキュリティポリシーを表現するためにエンコードする。
• ニューラルネットワークを、過去のネットワークデータで学習させ、所属関数およびルール重みを最適化する。
• 新しく観測されたトラフィックパターンから学習することで、知識ベースを継続的に更新する。
• クリップスルールとファジィ所属関数の両方を格納する二重知識データベースを設け、統合的意思決定を実現する。

実験結果

リサーチクエスチョン

• RQ1 ルールベース、ファジィ論理、ニューラルネットワーク技術を、受動的ネットワーク監視のための単一システムに効果的に統合する方法は何か？
• RQ2 エキスパート知識とデータ駆動型学習を統合することで、異常検出精度にどのような影響を与えるか？
• RQ3 手動による再設定なしに、ハイブリッドシステムが新しいネットワークパターンに動的に適応できるか？
• RQ4 二重知識ベースアーキテクチャは、不確実なネットワーク環境における意思決定をどのように向上させるか？
• RQ5 実世界のネットワーク監視にこのようなハイブリッドシステムを実装する際の実用的課題は何か？

主な発見

• ハイブリッド型ANFISシステムは、ルールベース推論と適応的学習を効果的に統合し、受動的ネットワーク監視における頑健な異常検出を実現した。
• エキスパート知識とファジィ所属関数のデータ駆動型チューニングを組み合わせることで、検出精度が向上した。
• 新しいトラフィックパターンからの継続的学習により、進化するネットワーク行動や新たな脅威に適応できるようになった。
• 二重知識ベースアプローチは、ルールによる解釈可能性とニューラル適応による柔軟性を両立させ、システムの信頼性を向上させた。
• 実際のネットワーク監視環境での実装を通じて、フレームワークの実現可能性と有効性が検証された。