情報処理学会 第77回全国大会講演要旨

機械学習を用いたアノマリ型侵入検知システムは，シグネチャ型では困難な異常を検知できるが偽陽性が多く発生する傾向がある．この問題を改善するために能動学習を用いて選択した教師データによるモデル再構築を検討し，その偽陽性の低減効果を調べた．まず，公開されているベンチマークデータ2種を使い，初期モデルを作成した．次に能動学習の一例であるMargin Samplingによって選択されたデータにラベル付けをした教師データを用いて再構築されたモデルと，無作為抽出されたデータにラベル付けをした教師データによって再構築されたモデルの結果を比較し，能動学習の検出精度への影響を調べた．