[論文レビュー] Applications of Artificial Intelligence to Network Security

Alberto Perez Veiga|arXiv (Cornell University)|Mar 27, 2018

Network Security and Intrusion Detection参考文献 3被引用数 15

ひとこと要約

この論文は、ますます洗練されたサイバー脅威に対応するため、ネットワークセキュリティに人工知能（AI）を統合する必要性を主張している。最新のAI技術—機械学習、異常検出、行動分析—を用いた脅威検出と対応の現状を調査し、AIが従来のセキュリティ手法を超えて、現代の適応的攻撃に対して精度と自動化を向上させるために不可欠であると結論づけている。

ABSTRACT

Attacks to networks are becoming more complex and sophisticated every day. Beyond the so-called script-kiddies and hacking newbies, there is a myriad of professional attackers seeking to make serious profits infiltrating in corporate networks. Either hostile governments, big corporations or mafias are constantly increasing their resources and skills in cybercrime in order to spy, steal or cause damage more effectively. traditional approaches to Network Security seem to start hitting their limits and it is being recognized the need for a smarter approach to threat detections. This paper provides an introduction on the need for evolution of Cyber Security techniques and how Artificial Intelligence could be of application to help solving some of the problems. It provides also, a high-level overview of some state of the art AI Network Security techniques, to finish analysing what is the foreseeable future of the application of AI to Network Security.

研究の動機と目的

• 従来のセキュリティ対策に比不能な複雑さと洗練度を誇るサイバー攻撃の増加に取り組む。
• ゼロデイ攻撃や高度持続的脅威（APT）に対応できない従来のネットワークセキュリティ手法の限界を特定する。
• AIが予防的で適応的かつスケーラブルな脅威検出および対応メカニズムを実現する方法を調査する。
• ネットワークセキュリティに適用可能な現在のAI技術の概要を提示する。
• 企業および重要なネットワークを保護する分野におけるAIの今後の発展の方向性を概説する。

提案手法

• 監視付きおよび非監視付き学習モデルを含む、ネットワークセキュリティに適用可能な既存のAIおよび機械学習技術のサーベイ。
• 通常のネットワーク行動からの逸脱を特定するためのAIを活用した異常検出システムの分析。
• 内部者脅威および高度持続的脅威（APT）を特定するための行動分析の検討。
• 進化する攻撃パターンに適応するAI駆動型侵入検知・防止システム（IDPS）のレビュー。
• AIを既存のセキュリティフレームワークと統合し、自動化を強化し、誤検出を低減する評価。
• 深層学習およびニューラルネットワークが、脅威予測のための大規模なネットワークトラフィック処理に果たす役割の検討。

実験結果

リサーチクエスチョン

• RQ1 AIは、従来のシグネチャベースの手法を超えて、高度でゼロデイのサイバー脅威をどのように改善して検出できるか？
• RQ2 ネットワークトラフィックにおける異常行動を特定するうえで、最も効果的なAI技術は何か？
• RQ3 AIは、ネットワークセキュリティシステムの自動化と反応性をどのように向上させられるか？
• RQ4 スケールに応じたAIのネットワークセキュリティへの導入における主な課題と制限は何か？
• RQ5 AIの今後の発展が、ネットワークセキュリティアーキテクチャおよび脅威対策戦略をどのように変革すると予想されるか？

主な発見

• ルールベースのシステムと比較して、AIベースのシステムは、複雑でかつ未発見の脅威の検出精度を顕著に向上させる。
• 多様なネットワークトラフィックパターンで訓練された機械学習を用いた異常検出は、侵入検知における誤検出率を低減する。
• AIで強化された行動分析は、従来の検出手法を回避する内部者脅威や隠密なAPTを特定できる。
• セキュリティ運用センター（SOC）にAIを統合することで、インcidnetへの迅速な対応と自動化された緩和が可能になる。
• 進展は見られるものの、モデルの解釈可能性、敵対的耐性、高速なネットワークデータのリアルタイム処理における課題は依然として残っている。
• 本論文は、AIが万能薬ではないが、ますます知能化する攻撃者に対応するためのネットワークセキュリティの必須な進化段階であると結論づけている。