情報処理学会 第79回全国大会講演要旨

機械学習を用いて侵入検知システムを構築するには大量の教師データが必要となるが、アノテーションにかかる作業コストが高いという問題がある。
本研究では、攻撃分類を行う機械学習型IDSに能動学習を適用することで、学習効率の高いデータを選択的に利用して、少量のデータから高精度なモデルを構築可能とした。ベンチマークデータセットであるNSL-KDDでの検証により、能動学習を用いることで、能動学習無しの場合に比べ約9,000件少ない学習データ数で同程度の分類精度のモデルを構築できることを確認するとともに、課題を明らかにした。