時間周期的パケットサンプリングの統計的性質とその異常トラヒック検知への応用

摘要

正常時のトラヒックパターンを表す基準モデルを，正常／異常パケットの分類がなされてないトラヒックデータを用いて学習することを特徴とした異常トラヒック検出手法を提案する．学習された基準モデルは，監視対象ネットワークにおいて計測されたトラヒックデータとの比較のために用いられる．本論文では，提案手法を実現するために，時間周期的パケットサンプリングにおける偏りや散らばりといった統計的性質を応用する．さらに，独立にサンプリングされたトラヒックデータを個別に学習した複数の基準モデルを用いることで，サンプリング時間間隔を確率的に決定することに伴う異常トラヒック検出性能の統計的変動を緩和する手法や，逆に，その統計的変動を利用して異常トラヒック検出の感度を調整することで，異常トラヒック検出結果におけるFalse PositiveとFalse Negativeとの間のトレードオフを調整することのできる手法を提案する．実トラヒックデータを用いた実験の結果，提案手法はバースト性を伴う異常トラヒックの検知に有効であることが示された．