Core Concepts
潜在空間における多タスク表現学習と相互情報量の最小化を通じて、未知のドメインに対する侵入検知性能を向上させる。
Abstract
本研究では、サイバーセキュリティデータの潜在空間表現学習を通じて、未知のドメインに対する侵入検知性能の向上を目指している。具体的には以下の取り組みを行っている:
複数のソースドメインとクロスドメインのデータを用いた多タスク表現学習を行い、より一般化性の高い潜在空間を構築する。
入力空間と潜在空間の相互情報量を最小化する正則化項を導入することで、ドメイン固有の偏りを除去し、ドメイン不変な表現を学習する。
提案手法を複数のサイバーセキュリティデータセットで評価し、ベースラインと比較して、未知ドメインに対する侵入検知性能が向上することを示す。
多様なドメインからのデータを組み合わせつつ、ドメイン固有の偏りを除去する表現学習アプローチにより、未知のサイバー攻撃に対する頑健な検知モデルの構築が可能となる。
Stats
異なるドメインのデータを組み合わせることで、未知ドメインに対する侵入検知精度が向上する。
入力空間と潜在空間の相互情報量を最小化することで、ドメイン固有の偏りを除去し、ドメイン不変な表現が学習できる。
Quotes
"潜在空間における多タスク表現学習と相互情報量の最小化を通じて、未知のドメインに対する侵入検知性能を向上させる。"
"多様なドメインからのデータを組み合わせつつ、ドメイン固有の偏りを除去する表現学習アプローチにより、未知のサイバー攻撃に対する頑健な検知モデルの構築が可能となる。"