 |
| ・会員価格 ¥220 |
| ・一般価格 ¥330 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
CMN24011 |
| ■ページ数 |
5ページ |
■発行日
|
2024/01/22 |
| ■タイトル |
自律進化型ボットネットにおけるSTIDGCNを用いたマルウェア感染源の予測 |
| ■タイトル(英語) |
Prediction of malware infection sources using STIDGCN for Self-Evolving Botnet |
| ■著者名 |
伊藤 有輝(同志社大学),木村 共孝(同志社大学),平田 孝志(関西大学),程 俊(同志社大学) |
| ■著者名(英語) |
Yuki Ito(Doshisha University),Tomotaka Kimura(Doshisha University),Koji Hirata(Kansai University),Cheng Jun(Doshisha University) |
| ■価格 |
会員 ¥220 一般 ¥330 |
| ■書籍種類 |
研究会(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 通信研究会 |
| ■本誌 |
2024年1月25日-2024年1月26日通信研究会
|
| ■本誌掲載ページ |
51-55ページ |
| ■原稿種別 |
日本語 |
| ■電子版へのリンク |
|
| ■キーワード |
ＳＴＩＤＧＣＮ|機械学習|マルウェア|感染モデル|STIDGCN |machine learning|malware|infection model |
| ■要約(日本語) |
本稿では，自律進化型ボットネットにおけるマルウェア感染源予測方法を提案する．感染源の予測には，時系列データの予測で高い精度を達成しているSCINetをベースに設計されたグラフ畳み込みネットワークであるSTIDGCN（Spatial-Temporal Interactive Dynamic Graph Convolution Network）を用いる．時系列データはダウンサンプリング後も元の時系列データの特徴を保持することがよく知られている．そこでSTIDGCNでは，時系列データを2つに分割し，それぞれを別々に畳み込み層に入力し，抽出した特徴量を互いに共有することで，予測精度を向上させる．本稿では，シミュレーション実験により，STIDGCNを自律進化型ボットネットにおけるマルウェア感染源の予測に適用することで，STGCNを用いた既存の手法よりも予測精度が向上することを示す． |
| ■要約(英語) |
In this paper, we consider malware infection source prediction for self-evolving botnets. To predict the infection source, we use STIDGCN (Spatial-Temporal Interactive Dynamic Graph Convolution Network), a graph convolution network designed based on SCINet, which has achieved high accuracy in predicting time-series data. It is well known that time series data retain the characteristics of the original time series data even after downsampling. Therefore, STIDGCN improves the estimation accuracy by dividing the time series data into two parts, separately inputting them into the convolutional layer, and then sharing the extracted features with each other. In this paper, through simulation experiments, we demonstrate that STIDGCN can be applied to the prediction of malware infection sources in autonomous botnets to improve the prediction accuracy compared to an existing method using STGCN. |
| ■版 型 |
A4 |
| ■PDFファイルサイズ |
2,351Kバイト |
|
|
|
