Core Concepts
リソース制約のあるIoTデバイスでも高精度なマルウェア検出を実現するため、分散コンピューティングを活用したリソース対応型のマルウェア検出フレームワークを提案する。
Abstract
本研究では、IoTネットワークにおけるマルウェア検出の課題に取り組んでいる。IoTデバイスは計算リソースが限られているため、従来のマルウェア検出手法では十分な性能が得られない。そこで、リソース状況に応じて柔軟にマルウェア検出タスクをオンデバイスまたは近隣のIoTノードに割り当てる分散コンピューティングベースのアプローチを提案している。
具体的には以下の3つの主要な取り組みを行っている:
マイクロアーキテクチャイベントトレースを活用したマルウェア検出の信頼性向上
利用可能リソースを自動的に見積もるための軽量回帰モデルの開発
モデル並列化を活用したリソース対応型のマルウェア検出フレームワークの構築
提案手法では、オンデバイスでの検出が困難な場合に近隣ノードにタスクを分散することで、高速かつ高精度なマルウェア検出を実現している。実験結果から、提案手法はオンデバイス推論に比べて9.8倍の高速化を達成しつつ、96.7%の高い検出精度を維持できることが示された。
Stats
IoTネットワークでは年間50億件以上のマルウェア攻撃が記録されている
1日あたり800万件以上の新しいマルウェア脅威が検出されている
Quotes
"IoTデバイスは計算リソースが限られているため、従来のマルウェア検出手法では十分な性能が得られない"
"提案手法はオンデバイス推論に比べて9.8倍の高速化を達成しつつ、96.7%の高い検出精度を維持できる"