Submit Search
Upload
機械学習×セキュリティ
•
Download as PPTX, PDF
•
7 likes
•
10,400 views
michiaki ito
Follow
crash.academy AI・機械学習セミナーでの講演スライドです。(一部内容を加筆・省略しています)
Read less
Read more
Technology
Report
Share
Report
Share
1 of 47
Download now
Recommended
これから始める人のためのディープラーニング基礎講座
これから始める人のためのディープラーニング基礎講座
NVIDIA Japan
論文紹介: Fast R-CNN&Faster R-CNN
論文紹介: Fast R-CNN&Faster R-CNN
Takashi Abe
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
ohken
最近(2020/09/13)のarxivの分布外検知の論文を紹介
最近(2020/09/13)のarxivの分布外検知の論文を紹介
ぱんいち すみもと
物体検知(Meta Study Group 発表資料)
物体検知(Meta Study Group 発表資料)
cvpaper. challenge
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
Recommended
これから始める人のためのディープラーニング基礎講座
これから始める人のためのディープラーニング基礎講座
NVIDIA Japan
論文紹介: Fast R-CNN&Faster R-CNN
論文紹介: Fast R-CNN&Faster R-CNN
Takashi Abe
Sliced Wasserstein距離と生成モデル
Sliced Wasserstein距離と生成モデル
ohken
最近(2020/09/13)のarxivの分布外検知の論文を紹介
最近(2020/09/13)のarxivの分布外検知の論文を紹介
ぱんいち すみもと
物体検知(Meta Study Group 発表資料)
物体検知(Meta Study Group 発表資料)
cvpaper. challenge
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
cvpaper. challenge
[DL輪読会]Estimating Predictive Uncertainty via Prior Networks
[DL輪読会]Estimating Predictive Uncertainty via Prior Networks
Deep Learning JP
【論文読み会】BEiT_BERT Pre-Training of Image Transformers.pptx
【論文読み会】BEiT_BERT Pre-Training of Image Transformers.pptx
ARISE analytics
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
cvpaper. challenge
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
Masaharu Kinoshita
SSII2020 [OS2-03] 深層学習における半教師あり学習の最新動向
SSII2020 [OS2-03] 深層学習における半教師あり学習の最新動向
SSII
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
Deep Learning JP
(DL輪読)Matching Networks for One Shot Learning
(DL輪読)Matching Networks for One Shot Learning
Masahiro Suzuki
(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展
Takumi Ohkuma
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
[DL輪読会]Neuroscience-Inspired Artificial Intelligence
[DL輪読会]Neuroscience-Inspired Artificial Intelligence
Deep Learning JP
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
Tatsuya Yokota
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
深層学習の数理
深層学習の数理
Taiji Suzuki
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
Deep Learning JP
(2021年8月版)深層学習によるImage Classificaitonの発展
(2021年8月版)深層学習によるImage Classificaitonの発展
Takumi Ohkuma
IIBMP2016 深層生成モデルによる表現学習
IIBMP2016 深層生成モデルによる表現学習
Preferred Networks
最適輸送入門
最適輸送入門
joisino
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめた
ぱんいち すみもと
サイバーセキュリティ対策の自動化に向けた機械学習技術の活用 [TTCセミナー, 2017/9/12]
サイバーセキュリティ対策の自動化に向けた機械学習技術の活用 [TTCセミナー, 2017/9/12]
Takeshi Takahashi
Itパスポート勉強会for vb aer_ネットアップ版_20210731
Itパスポート勉強会for vb aer_ネットアップ版_20210731
Ryu CyberWintelligent
More Related Content
What's hot
[DL輪読会]Estimating Predictive Uncertainty via Prior Networks
[DL輪読会]Estimating Predictive Uncertainty via Prior Networks
Deep Learning JP
【論文読み会】BEiT_BERT Pre-Training of Image Transformers.pptx
【論文読み会】BEiT_BERT Pre-Training of Image Transformers.pptx
ARISE analytics
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
cvpaper. challenge
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
Masaharu Kinoshita
SSII2020 [OS2-03] 深層学習における半教師あり学習の最新動向
SSII2020 [OS2-03] 深層学習における半教師あり学習の最新動向
SSII
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
Deep Learning JP
(DL輪読)Matching Networks for One Shot Learning
(DL輪読)Matching Networks for One Shot Learning
Masahiro Suzuki
(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展
Takumi Ohkuma
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII
[DL輪読会]Neuroscience-Inspired Artificial Intelligence
[DL輪読会]Neuroscience-Inspired Artificial Intelligence
Deep Learning JP
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
Tatsuya Yokota
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
Taiji Suzuki
深層学習の数理
深層学習の数理
Taiji Suzuki
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
Deep Learning JP
(2021年8月版)深層学習によるImage Classificaitonの発展
(2021年8月版)深層学習によるImage Classificaitonの発展
Takumi Ohkuma
IIBMP2016 深層生成モデルによる表現学習
IIBMP2016 深層生成モデルによる表現学習
Preferred Networks
最適輸送入門
最適輸送入門
joisino
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめた
ぱんいち すみもと
What's hot
(20)
[DL輪読会]Estimating Predictive Uncertainty via Prior Networks
[DL輪読会]Estimating Predictive Uncertainty via Prior Networks
【論文読み会】BEiT_BERT Pre-Training of Image Transformers.pptx
【論文読み会】BEiT_BERT Pre-Training of Image Transformers.pptx
【メタサーベイ】Video Transformer
【メタサーベイ】Video Transformer
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
SSII2020 [OS2-03] 深層学習における半教師あり学習の最新動向
SSII2020 [OS2-03] 深層学習における半教師あり学習の最新動向
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
【DL輪読会】GET3D: A Generative Model of High Quality 3D Textured Shapes Learned f...
(DL輪読)Matching Networks for One Shot Learning
(DL輪読)Matching Networks for One Shot Learning
(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
[DL輪読会]Neuroscience-Inspired Artificial Intelligence
[DL輪読会]Neuroscience-Inspired Artificial Intelligence
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
低ランク性および平滑性を用いたテンソル補完 (Tensor Completion based on Low-rank and Smooth Structu...
数学で解き明かす深層学習の原理
数学で解き明かす深層学習の原理
深層学習の数理
深層学習の数理
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
[DL輪読会]NVAE: A Deep Hierarchical Variational Autoencoder
(2021年8月版)深層学習によるImage Classificaitonの発展
(2021年8月版)深層学習によるImage Classificaitonの発展
IIBMP2016 深層生成モデルによる表現学習
IIBMP2016 深層生成モデルによる表現学習
最適輸送入門
最適輸送入門
Anomaly detection 系の論文を一言でまとめた
Anomaly detection 系の論文を一言でまとめた
Similar to 機械学習×セキュリティ
サイバーセキュリティ対策の自動化に向けた機械学習技術の活用 [TTCセミナー, 2017/9/12]
サイバーセキュリティ対策の自動化に向けた機械学習技術の活用 [TTCセミナー, 2017/9/12]
Takeshi Takahashi
Itパスポート勉強会for vb aer_ネットアップ版_20210731
Itパスポート勉強会for vb aer_ネットアップ版_20210731
Ryu CyberWintelligent
【Interop tokyo 2014】 ビッグデータを活用し、被害を予見! シスコの新たなセキュリティ運用モデル
【Interop tokyo 2014】 ビッグデータを活用し、被害を予見! シスコの新たなセキュリティ運用モデル
シスコシステムズ合同会社
サイバーセキュリティ向上に向けたAI技術の利活用
サイバーセキュリティ向上に向けたAI技術の利活用
Takeshi Takahashi
20180224 azure securitycenter
20180224 azure securitycenter
Masakazu Kishima
情報セキュリティの概要
情報セキュリティの概要
Tokai University
【Interop Tokyo 2015】 Sec 02: Cisco AMP, レトロ スペクティブで見えてくる マルウェアの挙動
【Interop Tokyo 2015】 Sec 02: Cisco AMP, レトロ スペクティブで見えてくる マルウェアの挙動
シスコシステムズ合同会社
セキュキャンのススメ
セキュキャンのススメ
shutingrz
日本企業がとるべき サイバーセキュリティ戦略
日本企業がとるべき サイバーセキュリティ戦略
日本ヒューレット・パッカード株式会社
【第17回セキュリティ共有勉強会】WAF導入で見えた脆弱性管理のあれこれ
【第17回セキュリティ共有勉強会】WAF導入で見えた脆弱性管理のあれこれ
Hibino Hisashi
セキュリティの知識を共有するセキュリティパターン(2018/6/15)
セキュリティの知識を共有するセキュリティパターン(2018/6/15)
Nobukazu Yoshioka
京都大学学術情報メディアセンターセミナー「大学のセキュリティを考える」
京都大学学術情報メディアセンターセミナー「大学のセキュリティを考える」
UEHARA, Tetsutaro
CND(認定ネットワークディフェンダー / Certified Network Defender)公式トレーニングのご紹介
CND(認定ネットワークディフェンダー / Certified Network Defender)公式トレーニングのご紹介
グローバルセキュリティエキスパート株式会社(GSX)
【セミナー講演資料】CND(認定ネットワークディフェンダー)公式トレーニング紹介
【セミナー講演資料】CND(認定ネットワークディフェンダー)公式トレーニング紹介
グローバルセキュリティエキスパート株式会社(GSX)
Certified network defender
Certified network defender
Trainocate Japan, Ltd.
今から取り組む企業のための脆弱性対応 〜⼤丈夫、みんなよく分かっていないから〜
今から取り組む企業のための脆弱性対応 〜⼤丈夫、みんなよく分かっていないから〜
Riotaro OKADA
Blbs prod-bloombase-store safe-product-brochure-jplet-ja-r2
Blbs prod-bloombase-store safe-product-brochure-jplet-ja-r2
Bloombase
20200214 the seminar of information security with sample answer
20200214 the seminar of information security with sample answer
SAKURUG co.
情報セキュリティと標準化I 第6回-公開用
情報セキュリティと標準化I 第6回-公開用
Ruo Ando
【Interop Tokyo 2014】 シスコの新しいセキュリティモデル
【Interop Tokyo 2014】 シスコの新しいセキュリティモデル
シスコシステムズ合同会社
Similar to 機械学習×セキュリティ
(20)
サイバーセキュリティ対策の自動化に向けた機械学習技術の活用 [TTCセミナー, 2017/9/12]
サイバーセキュリティ対策の自動化に向けた機械学習技術の活用 [TTCセミナー, 2017/9/12]
Itパスポート勉強会for vb aer_ネットアップ版_20210731
Itパスポート勉強会for vb aer_ネットアップ版_20210731
【Interop tokyo 2014】 ビッグデータを活用し、被害を予見! シスコの新たなセキュリティ運用モデル
【Interop tokyo 2014】 ビッグデータを活用し、被害を予見! シスコの新たなセキュリティ運用モデル
サイバーセキュリティ向上に向けたAI技術の利活用
サイバーセキュリティ向上に向けたAI技術の利活用
20180224 azure securitycenter
20180224 azure securitycenter
情報セキュリティの概要
情報セキュリティの概要
【Interop Tokyo 2015】 Sec 02: Cisco AMP, レトロ スペクティブで見えてくる マルウェアの挙動
【Interop Tokyo 2015】 Sec 02: Cisco AMP, レトロ スペクティブで見えてくる マルウェアの挙動
セキュキャンのススメ
セキュキャンのススメ
日本企業がとるべき サイバーセキュリティ戦略
日本企業がとるべき サイバーセキュリティ戦略
【第17回セキュリティ共有勉強会】WAF導入で見えた脆弱性管理のあれこれ
【第17回セキュリティ共有勉強会】WAF導入で見えた脆弱性管理のあれこれ
セキュリティの知識を共有するセキュリティパターン(2018/6/15)
セキュリティの知識を共有するセキュリティパターン(2018/6/15)
京都大学学術情報メディアセンターセミナー「大学のセキュリティを考える」
京都大学学術情報メディアセンターセミナー「大学のセキュリティを考える」
CND(認定ネットワークディフェンダー / Certified Network Defender)公式トレーニングのご紹介
CND(認定ネットワークディフェンダー / Certified Network Defender)公式トレーニングのご紹介
【セミナー講演資料】CND(認定ネットワークディフェンダー)公式トレーニング紹介
【セミナー講演資料】CND(認定ネットワークディフェンダー)公式トレーニング紹介
Certified network defender
Certified network defender
今から取り組む企業のための脆弱性対応 〜⼤丈夫、みんなよく分かっていないから〜
今から取り組む企業のための脆弱性対応 〜⼤丈夫、みんなよく分かっていないから〜
Blbs prod-bloombase-store safe-product-brochure-jplet-ja-r2
Blbs prod-bloombase-store safe-product-brochure-jplet-ja-r2
20200214 the seminar of information security with sample answer
20200214 the seminar of information security with sample answer
情報セキュリティと標準化I 第6回-公開用
情報セキュリティと標準化I 第6回-公開用
【Interop Tokyo 2014】 シスコの新しいセキュリティモデル
【Interop Tokyo 2014】 シスコの新しいセキュリティモデル
More from michiaki ito
Introduction of Xgboost
Introduction of Xgboost
michiaki ito
Character Level Convolutional Neural Networkによる悪性文字列検知手法
Character Level Convolutional Neural Networkによる悪性文字列検知手法
michiaki ito
迷惑メールフィルタの作り方
迷惑メールフィルタの作り方
michiaki ito
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
michiaki ito
トラコン問題解説
トラコン問題解説
michiaki ito
12/28Kogcoder
12/28Kogcoder
michiaki ito
グループワーク3-A
グループワーク3-A
michiaki ito
サイドチャネル攻撃講義成果報告
サイドチャネル攻撃講義成果報告
michiaki ito
More from michiaki ito
(8)
Introduction of Xgboost
Introduction of Xgboost
Character Level Convolutional Neural Networkによる悪性文字列検知手法
Character Level Convolutional Neural Networkによる悪性文字列検知手法
迷惑メールフィルタの作り方
迷惑メールフィルタの作り方
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
トラコン問題解説
トラコン問題解説
12/28Kogcoder
12/28Kogcoder
グループワーク3-A
グループワーク3-A
サイドチャネル攻撃講義成果報告
サイドチャネル攻撃講義成果報告
機械学習×セキュリティ
1.
機械学習×セキュリティ 伊東道明
2.
自己紹介 法政大学 理工学部 知的情報処理研究室
4年 さくらインターネット アルバイト クリエーションライン アルバイト Cpaw 代表 ICTトラブルシューティングコンテスト 運営
3.
自己紹介 研究内容 機械学習を用いたIDSの精度向上 植物病害自動診断システム開発 趣味 自宅クラウド(*Stack, なんちゃってクラウド) ロードバイク
4.
アジェンダ セキュリティの現状 機械学習×セキュリティ IDSでのパケット分類の研究
5.
セキュリティの現状
6.
セキュリティとは 情報やシステムをサイバー攻撃の脅威から守る システムなどのこと 物理的な攻撃に対するセキュリティから ネットワークセキュリティ、迷惑メールの フィルタまで様々なジャンルが存在
7.
サイバー攻撃対策 情報化社会に伴い、新しい攻撃手法が日々 生み出されている セキュリティエンジニアの不足などもあり、 対策が追いついていない
8.
サイバー攻撃対策 セキュリティ技術者の育成 セキュリティキャンプ、SECHACK365など セキュリティプロダクトの性能向上
9.
サイバー攻撃対策 セキュリティ技術者の育成 セキュリティキャンプ、SECHACK365など セキュリティプロダクトの性能向上
10.
サイバー攻撃対策 セキュリティ技術者の育成 セキュリティキャンプ、SECHACK365など セキュリティプロダクトの性能向上 機械学習
11.
機械学習×セキュリティ
12.
機械学習×セキュリティ スパムメール検知 WAF IDS マルウェア検知 その他
13.
スパムメール検知 概要 正常なメールか、スパムメールかを判定 内容 メールの文面を自然言語処理の技術などを用いて 文書分類を行う 技術例 ナイーブベイズなど言語処理アルゴリズムが有効
14.
ナイーブベイズ メールの文章Dが与えられた時、カテゴリSに 属している確率P(D,S)を求める 古典的な手法で、昔から使われている
15.
スパムメール検知[動作例] 識 別 器 正常 スパム
16.
WAF(Web Application Firewall) 概要 アプリケーションレイヤーで動作するファイアウォール 内容 ユーザからの入力文字列やHTTPヘッダーなどから 不正な攻撃を検知し、アプリケーションを保護 使える技術例 TF/IDFなど言語処理のアルゴリズムと確率的手法 などの組み合わせが有効
17.
TF-IDF 文書中の単語に関する重みの一種 TF 出現頻度 単語AのTF値は、Aの出現回数/単語の総数 IDF
逆文書頻度(文書頻度はDF) 文書の総数をD、Aが出現した文書数をdとすると 単語AのIDF値は、D/dの対数 TF-IDF TF・IDF
18.
WAF[動作例] WAF 正常 攻撃 ・正規表現の自動生成+パターンマッチング ・言語処理+確率的手法で判定 GET /success.txt Host: firefox.com User-Agent:
hogehoge Accept: */*
19.
IDS(Intrusion Detection System) 概要 不正侵入パケットを検知する 内容 ホストやネットワーク上に流れるパケットを監視し、 不正なパケットを発見したらユーザに通知する 使える技術例 K-meansクラスタリング、SVMなど様々な手法が有効
20.
IDS[動作例] パケット IDS 正常 攻撃
21.
マルウェア検知 概要 システム内に侵入したマルウェアを検知する 内容 システムの挙動や、ファイルのパターンなどを監視し、 マルウェアに感染しているかを判断する 使える技術例 決定木、Deep learningなどが有効
22.
マルウェア検知[動作例] マルウェア OS システム コール システムコールのパターンを検知
23.
マルウェア検知[動作例] ホストwawef.xyz C&C サーバ 悪いURLを検知 マルウェアに感染 していると判断
24.
その他 モデルの漏洩 モデルの情報は機密情報の1つ ブラックボックステストを繰り返してモデルを搾取 防御手段の研究 他にもいろいろ
25.
IDSの研究について
26.
IDS×機械学習の研究 K-meansなどの教師なし学習による 未知の攻撃の検知 SVM、Deep learningなどの教師あり学習による 亜種攻撃の検知
27.
最強のIDS 定義ファイルのアップデート等なしで常に100% ゼロデイを含む全ての攻撃を検知してくれる
28.
最強のIDS 定義ファイルのアップデート等なしで常に100% ゼロデイを含む全ての攻撃を検知してくれる
29.
最強に近づく研究 Spectralクラスタリングを用いて精度を100%に 近づける研究 第79回情報処理学会全国大会にて発表
30.
spectralクラスタリング データの距離構造を元にクラスタリングする手法 K-means clusteringと比べて、データの分布に 依存せずに効率的にクラスタリングが可能 30 K-means clustering
spectral clustering
31.
31 affinity matrixの作成 Graph Laplacianの作成 固有値分解 クラスタリング spectralクラスタリング
32.
affinity matrixとは 各データ間の類似度を表している行列 類似度は以下のように求める 32 ※σはパラメータ
33.
affinity matrixとは 例: 33 𝑥1 1 0.3
0.0003 0.1 0.3 1 0.007 0.3 0.0003 0.007 1 0.1 0.1 0.3 0.1 1 𝑥2 , 𝑥3の類似度 𝑥1, 𝑥2, 𝑥3, 𝑥4 = {1,2,5,3 𝑥2 𝑥3 𝑥4 𝑥1 𝑥2 𝑥3 𝑥4
34.
34 affinity matrixの作成 Graph Laplacianの作成 固有値分解 クラスタリング spectralクラスタリング
35.
Graph Laplacianとは 4 5 2 3 1
36.
Graph Laplacianとは 4 5 2 3 1 隣接行列W 𝟎 𝟏
𝟎 𝟏 𝟎 𝟏 𝟎 𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏 𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏 𝟏 𝟎
37.
Graph Laplacianとは 隣接行列W次数行列D 𝟐 𝟎
𝟎 𝟎 𝟎 𝟎 𝟑 𝟎 𝟎 𝟎 𝟎 𝟎 𝟐 𝟎 𝟎 𝟎 𝟎 𝟎 𝟑 𝟎 𝟎 𝟎 𝟎 𝟎 𝟐 𝟎 𝟏 𝟎 𝟏 𝟎 𝟏 𝟎 𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏 𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏 𝟏 𝟎
38.
Graph Laplacianとは 隣接行列W次数行列D 𝟐 𝟎
𝟎 𝟎 𝟎 𝟎 𝟑 𝟎 𝟎 𝟎 𝟎 𝟎 𝟐 𝟎 𝟎 𝟎 𝟎 𝟎 𝟑 𝟎 𝟎 𝟎 𝟎 𝟎 𝟐 𝟎 𝟏 𝟎 𝟏 𝟎 𝟏 𝟎 𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏 𝟏 𝟏 𝟎 𝟎 𝟏 𝟎 𝟎 𝟏 𝟏 𝟎 − = − = Graph laplacian L
39.
Graph Laplacianとは Spectralクラスタリングでは、隣接行列を affinity matrixにして計算
40.
40 affinity matrixの作成 Graph Laplacianの作成 固有値分解 クラスタリング spectralクラスタリング
41.
固有値分解 Graph Laplacianを固有値分解し、固有ベクトル を以下のように並べる
42.
42 affinity matrixの作成 Graph Laplacianの作成 固有値分解 クラスタリング spectralクラスタリング
43.
クラスタリング K-meansクラスタリングでクラスタリング データ1 の特徴
44.
精度比較 K-meansとSVMと精度比較 KDDCup 1999というデータセットを使用 攻撃種類は10種類 偏差値を求め正規化、分散0の特徴を除去 最終的な特徴は36次元
45.
精度比較 未知の攻撃に対しての攻撃検知精度は向上 亜種攻撃に対してはSVMやDeep learningなど の方が有効
46.
精度比較 未知の攻撃に対しての攻撃検知精度は向上 亜種攻撃に対してはSVMやDeep learningなど の方が有効 調整可能
47.
まとめ セキュリティには様々な分野がある それぞれで有効な手法が異なるため、闇雲に 試すのではなく目的とデータから有効そうな 手法を選ぶ 機械学習は手段であって目的ではない 機械学習×セキュリティはまだまだやることが 多く、これから発展するジャンル
Download now