深刻化するサイバーセキュリティの脅威に対し、機械学習を用いて攻撃を検知する手法が数多く研究されている。これらの研究では、学習の際に用いるデータセットの多くはデータが不均衡であり、推定精度が低下する課題がある。
この課題に対し、データセット内の少数派のデータ数を増やすことで不均衡問題を解決する、オーバーサンプリング手法がある。しかし、既存の手法では、意図しない不必要なデータが生成され、学習精度が下がってしまうため、その利用は限定的である。
本研究では、多数派と少数派クラスの境界部のデータを集中的に増やす新たなオーバーサンプリング手法を提案する。本発表では、アルゴリズムの概要と基本設計を述べる。