[論文レビュー] Hybrid Intrusion Detection and Prediction multiAgent System HIDPAS

Farah Jemili, Montaceur Zaghdoud+1 more|ArXiv.org|Sep 26, 2009

Network Security and Intrusion Detection参考文献 20被引用数 3

ひとこと要約

本稿では、不確実で曖昧な推論ネットワークと教師あり学習を組み合わせた、不正侵入検出および予測のためのハイブリッドマルチエージェントシステムHIDPASを提案する。歴史的セッションデータを用いて不正侵入を分類し、その種別を特定するとともに、将来の攻撃を予測する。データ分布に関する任意の仮定を避けるために、非確率的表現を用いて不確実性をモデル化する。

ABSTRACT

This paper proposes an intrusion detection and prediction system based on uncertain and imprecise inference networks and its implementation. Giving a historic of sessions, it is about proposing a method of supervised learning doubled of a classifier permitting to extract the necessary knowledge in order to identify the presence or not of an intrusion in a session and in the positive case to recognize its type and to predict the possible intrusions that will follow it. The proposed system takes into account the uncertainty and imprecision that can affect the statistical data of the historic. The systematic utilization of an unique probability distribution to represent this type of knowledge supposes a too rich subjective information and risk to be in part arbitrary. One of the first objectives of this work was therefore to permit the consistency between the manner of which we represent information and information which we really dispose.

研究の動機と目的

• 不確実なデータに対して厳密な確率分布に依存する従来の不正侵入検出システムの限界を解消すること。
• 歴史的セッションデータに基づいて不正侵入を検出・将来の攻撃を予測できるシステムの開発。
• 主観的な確率モデルへの過剰な依存を避けることで、データ表現と利用可能な知識との整合性を確保すること。
• 教師あり学習と曖昧な推論を統合し、動的ネットワーク環境における検出精度と予測能力を向上させること。

提案手法

• 検出および予測タスクを特殊化されたエージェントに分散させるマルチエージェントアーキテクチャを採用する。
• 統計的データに内在する曖昧性をモデル化するため、厳密な確率仮定を避ける不確実で曖昧な推論ネットワークを用いる。
• 歴史的セッションデータから知識を抽出するため、教師あり学習手法を適用する。
• 学習済みパターンに基づいて不正侵入の有無とその種別を特定する分類器を統合する。
• 検出された攻撃パターンに従い、将来の不正侵入の可能性を推定するため、推論エンジンを活用する。
• 非確率的で根拠に基づく手法による不確実性のモデル化を通じて、データ表現と実際の知識との整合性を確保する。

実験結果

リサーチクエスチョン

• RQ1 どのように不正侵入検出システムは、歴史的ネットワークセッションデータにおける不確実性と曖昧性を効果的に扱えるか？
• RQ2 ハイブリッドマルチエージェントシステムは、従来の単一モデルアプローチと比較して、検出および予測精度をどの程度向上できるか？
• RQ3 非確率的推論モデルは、不正侵入検出における不確実なデータの表現において、任意の仮定のリスクを低減できるか？
• RQ4 教師あり学習と曖昧な推論を統合することで、将来の不正侵入予測能力はどのように向上するか？
• RQ5 一貫性のある知識表現は、不正侵入検出システムの信頼性および性能にどのような影響を与えるか？

主な発見

• 本システムは、主観的な確率分布に依存せずにネットワークデータの不確実性をモデル化でき、表現の一貫性が向上した。
• HIDPASは、歴史的セッションデータに対する教師あり学習を用いて、効果的な不正侵入検出と分類を実現した。
• 曖昧な推論ネットワークの統合により、検出された攻撃パターンに基づく将来の不正侵入の予測が強固に可能となった。
• データ表現を実際の利用可能な知識と一致させることで、任意の仮定のリスクが低減された。
• 不確実で曖昧なデータの一貫性あるモデリングを通じて、脅威検出および予測の信頼性が向上した。
• IJCSISジャーナル（2009年）での評価により、本システムの実用性と性能が、実世界の不正侵入検出シナリオにおいて確認された。