セルラーIoT環境を想定した深層距離学習によるデバイス推定手法の提案
Abstract
近年のIoTデバイスの普及に伴い，これらのデバイスが抱える脆弱性やマルウェア感染のリスクが顕著になっている．これにより，不正アクセスやデータ漏洩などのセキュリティ問題が発生し，ネットワーク全体に重大な影響を及ぼす可能性がある．これらの脅威に対処するため，ネットワークに接続されたIoTデバイスを正確に推定および認証する技術がますます重要視されている．特に，急速な増加に伴い，膨大な数のデバイスがネットワークに接続されるため，どのデバイスが潜在的なリスクを抱えているかを正確に特定することが困難となる．そのため，IoTデバイスを迅速かつ正確に推定・認証できる技術の開発が求められている．本研究では，ペイロード情報を含まないIPFIXレコード（IP Flow Information Export）を用いたIoTデバイスの識別および認証手法を提案する．提案手法は，セルラーIoT環境を想定し，72種類のデバイスレコードデータを用い，角度ベースの深層距離学習アルゴリズムを活用してデバイス推定および未知デバイスの検知を行う．