JP7050042B2 - 情報処理システムおよび情報処理方法 - Google Patents
情報処理システムおよび情報処理方法 Download PDFInfo
- Publication number
- JP7050042B2 JP7050042B2 JP2019224756A JP2019224756A JP7050042B2 JP 7050042 B2 JP7050042 B2 JP 7050042B2 JP 2019224756 A JP2019224756 A JP 2019224756A JP 2019224756 A JP2019224756 A JP 2019224756A JP 7050042 B2 JP7050042 B2 JP 7050042B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- period
- packet
- unit
- statistical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Description
本発明は、情報処理システムおよび情報処理方法に関する。
ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）機器に関し、ゲートウェイ装置における異常検知システムが提案されている（特許文献１参照。）。特許文献１に記載された技術では、当該ゲートウェイ装置は、通信インターフェースによって取り込まれたパケットに対して異常であるか否かを検知する異常検知部を備える。当該ゲートウェイ装置において、異常検知は、取り込まれたパケットの数が基準値を上回るか否かに基づいて行われる。
特許文献１に記載の技術では、異常検知の際の判断基準としてパケット数のみが用いられている。しかしながら、マルウェアに感染したＩｏＴ機器の挙動としては、大量通信を行う挙動だけでなく、指令サーバとの間で少量の通信を行う挙動なども存在する。したがって、パケット数のみによる検知では、ＩｏＴ機器によって行われる異常通信のすべてを検知することはできない。
そこで、通信先の情報あるいはプロトコルの情報などのように、ゲートウェイ装置で取得することができる多様な情報を用いて異常検知を行うことが考えられる。
ここで、パケットの情報に基づく異常検知としては、ペイロードを含むパケット全体の情報を用いる技術が存在するが、例えば、ホームゲートウェイ装置などでは、機器の処理負荷に関する制約があり、当該技術の適用が難しい場合がある。なお、ホームゲートウェイ装置とは別のサーバ装置等にパケットを転送し、当該サーバ装置等において異常検知を行うことも考えられるが、すべてのパケットを転送することは、処理負荷の制約があり、適用が難しい場合がある。
以上のような事情は、ＩｏＴ機器以外の端末装置に関しても同様であった。
ここで、パケットの情報に基づく異常検知としては、ペイロードを含むパケット全体の情報を用いる技術が存在するが、例えば、ホームゲートウェイ装置などでは、機器の処理負荷に関する制約があり、当該技術の適用が難しい場合がある。なお、ホームゲートウェイ装置とは別のサーバ装置等にパケットを転送し、当該サーバ装置等において異常検知を行うことも考えられるが、すべてのパケットを転送することは、処理負荷の制約があり、適用が難しい場合がある。
以上のような事情は、ＩｏＴ機器以外の端末装置に関しても同様であった。
本発明は、このような事情を考慮してなされたもので、端末装置から出力されるパケットに関する異常検知を効率的に行うことができる情報処理システムおよび情報処理方法を提供することを課題とする。
一構成例として、中継装置と、処理装置と、を備え、前記中継装置は、１以上の端末装置から出力されるパケットを入力する第１入力部と、前記第１入力部によって入力された所定の統計化期間におけるパケットに含まれる情報に基づいて、少なくとも前記パケットの発信元情報および発信先情報を含む対象情報について、所定の統計化処理を行う統計化処理部と、前記統計化処理部によって行われた前記統計化処理の結果を含む統計化情報を前記処理装置に出力する第１出力部と、を備え、前記処理装置は、前記中継装置から出力された前記統計化情報を入力する第２入力部と、前記第２入力部によって入力された第１期間における前記統計化情報に基づく推定手法を用いて、第２期間における前記統計化情報について所定の推定を行う推定部と、を備え、前記処理装置は、前記第２入力部によって入力された前記第１期間における前記統計化情報に基づいて、機械学習により、前記推定手法を生成する学習部と、前記第２入力部によって入力された第３期間における前記統計化情報に基づいて、前記統計化情報に関する特徴を検出する特徴検出部と、を備え、前記学習部は、前記特徴検出部によって検出された前記特徴に関する情報が付加された前記統計化情報に基づいて、前記機械学習により、前記推定手法を生成し、前記第３期間は、発生する通信のすべてを正常であるとみなして正常な通信を定義する期間であり、前記第１期間は、発生する通信のすべてを正常であるとみなして学習を行う期間である、情報処理システムである。
一構成例として、中継装置は、１以上の端末装置から出力されるパケットを入力し、入力された所定の統計化期間におけるパケットに含まれる情報に基づいて、少なくとも前記パケットの発信元情報および発信先情報を含む対象情報について、所定の統計化処理を行い、前記統計化処理の結果を含む統計化情報を処理装置に出力し、前記処理装置は、前記中継装置から出力された前記統計化情報を入力し、入力された第１期間における前記統計化情報に基づく推定手法を用いて、第２期間における前記統計化情報について所定の推定を行い、前記処理装置は、入力された前記第１期間における前記統計化情報に基づいて、機械学習により、前記推定手法を生成する学習を行い、入力された第３期間における前記統計化情報に基づいて、前記統計化情報に関する特徴を検出し、前記学習では、検出された前記特徴に関する情報が付加された前記統計化情報に基づいて、前記機械学習により、前記推定手法を生成し、前記第３期間は、発生する通信のすべてを正常であるとみなして正常な通信を定義する期間であり、前記第１期間は、発生する通信のすべてを正常であるとみなして学習を行う期間である、情報処理方法である。
本発明に係る情報処理システムおよび情報処理方法によれば、端末装置から出力されるパケットに関する異常検知を効率的に行うことができる。
以下、図面を参照し、本発明の実施形態について説明する。
図１は、本発明の一実施形態に係る情報処理システム１の概略的な構成を示す図である。
情報処理システム１は、ホームゲートウェイ装置２１と、解析サーバ装置２２と、回線２３と、ルータ３１と、複数の端末装置４１～４３、５１～５３を備える。
ホームゲートウェイ装置２１は中継装置の一例であり、解析サーバ装置２２は処理装置の一例である。
ここで、情報処理システム１は、少なくとも、ホームゲートウェイ装置２１と、解析サーバ装置２２を備え、他の装置は情報処理システム１とは別体であると捉えられてもよい。
情報処理システム１は、ホームゲートウェイ装置２１と、解析サーバ装置２２と、回線２３と、ルータ３１と、複数の端末装置４１～４３、５１～５３を備える。
ホームゲートウェイ装置２１は中継装置の一例であり、解析サーバ装置２２は処理装置の一例である。
ここで、情報処理システム１は、少なくとも、ホームゲートウェイ装置２１と、解析サーバ装置２２を備え、他の装置は情報処理システム１とは別体であると捉えられてもよい。
本実施形態では、ホームゲートウェイ装置２１と、ルータ３１と、複数の端末装置４１～４３、５１～５３は、同一のホーム１１に存在する。ホーム１１は、所定の場所を表しており、例えば、一般の家などの建物の中を表す。
それぞれの端末装置４１～４３、５１～５３は、任意の端末装置であってもよく、例えば、スマートフォン、スマートハブ、スマートカメラ、スマートスピーカー、環境センサー、ドアホン、ライト、掃除機、ＳＴＢ（Ｓｅｔ Ｔｏｐ Ｂｏｘ）、スマートＴＶ、パーソナルコンピュータ（ＰＣ）、あるいは、他のＩｏＴ機器などであってもよい。
それぞれの端末装置４１～４３、５１～５３は、任意の端末装置であってもよく、例えば、スマートフォン、スマートハブ、スマートカメラ、スマートスピーカー、環境センサー、ドアホン、ライト、掃除機、ＳＴＢ（Ｓｅｔ Ｔｏｐ Ｂｏｘ）、スマートＴＶ、パーソナルコンピュータ（ＰＣ）、あるいは、他のＩｏＴ機器などであってもよい。
図１の例では、端末装置４１～４３は、それぞれ、ホームゲートウェイ装置２１と、直接、通信する。
図１の例では、端末装置５１～５３は、それぞれ、ルータ３１を介して、ホームゲートウェイ装置２１と通信する。
それぞれの端末装置４１～４３は、例えば、所定のパケットをホームゲートウェイ装置２１に送信する。
それぞれの端末装置５１～５３は、例えば、所定のパケットをルータ３１に送信する。
ルータ３１は、それぞれの端末装置５１～５３とホームゲートウェイ装置２１との間の通信を中継する。例えば、ルータ３１は、端末装置５１～５３からルータ３１に送信されたパケットを受信し、受信されたパケットをホームゲートウェイ装置２１に送信する。
図１の例では、端末装置５１～５３は、それぞれ、ルータ３１を介して、ホームゲートウェイ装置２１と通信する。
それぞれの端末装置４１～４３は、例えば、所定のパケットをホームゲートウェイ装置２１に送信する。
それぞれの端末装置５１～５３は、例えば、所定のパケットをルータ３１に送信する。
ルータ３１は、それぞれの端末装置５１～５３とホームゲートウェイ装置２１との間の通信を中継する。例えば、ルータ３１は、端末装置５１～５３からルータ３１に送信されたパケットを受信し、受信されたパケットをホームゲートウェイ装置２１に送信する。
ここで、それぞれの端末装置４１～４３とホームゲートウェイ装置２１との間では、互いのアンテナを用いて無線による通信が行われる。
また、それぞれの端末装置５１～５３とルータ３１との間では、互いのアンテナを用いて無線による通信が行われる。
また、ルータ３１とホームゲートウェイ装置２１との間では、互いのアンテナを用いて無線による通信が行われる。
なお、これらの通信の一部または全部として、有線の通信が用いられてもよい。
また、それぞれの端末装置５１～５３とルータ３１との間では、互いのアンテナを用いて無線による通信が行われる。
また、ルータ３１とホームゲートウェイ装置２１との間では、互いのアンテナを用いて無線による通信が行われる。
なお、これらの通信の一部または全部として、有線の通信が用いられてもよい。
ホームゲートウェイ装置２１と解析サーバ装置２２とは、回線２３を介して接続され、回線２３を介して通信する。
回線２３は、例えば、有線の回線であってもよく、あるいは、無線の回線であってもよい。回線２３は、例えば、インターネットなどのように、公衆ネットワークであってもよい。
回線２３は、例えば、有線の回線であってもよく、あるいは、無線の回線であってもよい。回線２３は、例えば、インターネットなどのように、公衆ネットワークであってもよい。
ここで、本実施形態では、パケットを用いた通信が行われる場合を示すが、他の例として、一部または全部の通信は、パケット以外の手法を用いた通信であってもよい。
図２は、本発明の一実施形態に係るホームゲートウェイ装置２１の概略的な構成を示す図である。
ホームゲートウェイ装置２１は、パケット入力部１１１と、パケット出力部１１２と、統計化処理部１１３と、記憶部１１４を備える。
パケット入力部１１１は、それぞれの端末装置４１～４３からホームゲートウェイ装置２１に送信されたパケットを入力する。この入力は、当該パケットの受信を含む。
また、パケット入力部１１１は、それぞれの端末装置５１～５３からルータ３１に送信された後にルータ３１からホームゲートウェイ装置２１に送信されたパケットを入力する。この入力は、当該パケットの受信を含む。
ホームゲートウェイ装置２１は、パケット入力部１１１と、パケット出力部１１２と、統計化処理部１１３と、記憶部１１４を備える。
パケット入力部１１１は、それぞれの端末装置４１～４３からホームゲートウェイ装置２１に送信されたパケットを入力する。この入力は、当該パケットの受信を含む。
また、パケット入力部１１１は、それぞれの端末装置５１～５３からルータ３１に送信された後にルータ３１からホームゲートウェイ装置２１に送信されたパケットを入力する。この入力は、当該パケットの受信を含む。
パケット出力部１１２は、パケット入力部１１１によって入力されたパケットを、回線２３を介して、所定の装置に出力する。この出力は、当該パケットの送信を含む。つまり、ホームゲートウェイ装置２１は、それぞれの端末装置４１～４３、５１～５３と所定の装置との間で通信されるパケットを中継する。当該パケットは、本実施形態では、ホームゲートウェイ装置２１を通過するパケットである。なお、ホームゲートウェイ装置２１では、中継される必要がないパケットについては、中継しない。所定の装置は、例えば、解析サーバ装置２２であってもよく、あるいは、他の装置であってもよい。所定の装置は、端末装置４１～４３、５１～５３から受信されたパケットの処理を行う。
また、パケット出力部１１２は、ホームゲートウェイ装置２１において生成されたパケットを、回線２３を介して、解析サーバ装置２２に送信する。当該パケットは、例えば、統計化処理部１１３によって生成されるパケットであってもよい。
また、パケット出力部１１２は、ホームゲートウェイ装置２１において生成されたパケットを、回線２３を介して、解析サーバ装置２２に送信する。当該パケットは、例えば、統計化処理部１１３によって生成されるパケットであってもよい。
統計化処理部１１３は、パケット入力部１１１によって入力されるパケットについて、所定の統計化期間ごとに、所定の統計化処理を行う。そして、統計化処理部１１３は、パケット出力部１１２により、当該統計化処理の結果を含むパケットを、回線２３を介して、解析サーバ装置２２に送信する。
ここで、所定の統計化期間は、任意に設定されてもよい。
また、所定の統計化処理は、統計に関する処理であり、任意に定められてもよい。
所定の統計化処理は、例えば、同一の端末装置４１～４３、５１～５３ごとに行われてもよく、または、同一のルータ３１ごとに行われてもよい。本実施形態では、所定の統計化処理は、端末装置４１～４３については個別に行われ、端末装置５１～５３についてはルータ３１ごとにまとめて行われる。
記憶部１１４は、各種の情報を記憶する。
ここで、所定の統計化期間は、任意に設定されてもよい。
また、所定の統計化処理は、統計に関する処理であり、任意に定められてもよい。
所定の統計化処理は、例えば、同一の端末装置４１～４３、５１～５３ごとに行われてもよく、または、同一のルータ３１ごとに行われてもよい。本実施形態では、所定の統計化処理は、端末装置４１～４３については個別に行われ、端末装置５１～５３についてはルータ３１ごとにまとめて行われる。
記憶部１１４は、各種の情報を記憶する。
図３は、本発明の一実施形態に係る解析サーバ装置２２の概略的な構成を示す図である。
本実施形態では、解析サーバ装置２２は、クラウド上に設置されている。
解析サーバ装置２２は、パケット入力部２１１と、特徴検出部２１２と、学習部２１３と、推定部２１４と、異常検知部２１５と、通知部２１６と、記憶部２１７を備える。
ここで、本実施形態では、推定部２１４は、一機能として、異常検知部２１５を含むが、他の例として、推定部２１４と異常検知部２１５とが別体で構成されてもよい。
本実施形態では、解析サーバ装置２２は、クラウド上に設置されている。
解析サーバ装置２２は、パケット入力部２１１と、特徴検出部２１２と、学習部２１３と、推定部２１４と、異常検知部２１５と、通知部２１６と、記憶部２１７を備える。
ここで、本実施形態では、推定部２１４は、一機能として、異常検知部２１５を含むが、他の例として、推定部２１４と異常検知部２１５とが別体で構成されてもよい。
パケット入力部２１１は、ホームゲートウェイ装置２１から解析サーバ装置２２に送信されるパケットを入力する。この入力は、当該パケットの受信を含む。
特徴検出部２１２は、所定の辞書期間が設けられる場合、当該辞書期間において、パケットの特徴を検出する。なお、所定の辞書期間が設けられない場合には、例えば、特徴検出部２１２は解析サーバ装置２２に備えられなくてもよい。
特徴検出部２１２は、所定の辞書期間が設けられる場合、当該辞書期間において、パケットの特徴を検出する。なお、所定の辞書期間が設けられない場合には、例えば、特徴検出部２１２は解析サーバ装置２２に備えられなくてもよい。
学習部２１３は、所定の学習期間において、所定の統計化情報について、機械学習を行う。ここで、機械学習の手法としては、様々な手法が用いられてもよく、例えば、Ｋ－ｍｅａｎｓ法あるいはＤＢＳＣＡＮなどのクラスタリングが用いられてもよく、また、Ｉｓｏｌａｔｉｏｎ Ｆｏｒｅｓｔなどのような決定木が用いられてもよい。
本実施形態では、学習部２１３は、ホームゲートウェイ装置２１において生成された統計化情報について、端末装置４１～４３ごとあるいはルータ３１ごとに、機械学習のモデル（以下、説明の便宜上、学習モデルともいう。）を生成する。
本実施形態では、学習部２１３は、ホームゲートウェイ装置２１において生成された統計化情報について、端末装置４１～４３ごとあるいはルータ３１ごとに、機械学習のモデル（以下、説明の便宜上、学習モデルともいう。）を生成する。
本実施形態では、統計化情報は、特徴量化されており、１以上の特徴量を含む。
ここで、特徴量としては、様々な特徴量が用いられてもよく、例えば、閾値を用いてパケット数あるいはパケット長を２値化した特徴量、ある期間（本実施形態では、辞書期間と呼んでいる。）の通信ログに存在する宛先のリストに基づいて当該リストに含まれる宛先であるか否かに応じて２値化した特徴量などが用いられてもよい。
ここで、特徴量としては、様々な特徴量が用いられてもよく、例えば、閾値を用いてパケット数あるいはパケット長を２値化した特徴量、ある期間（本実施形態では、辞書期間と呼んでいる。）の通信ログに存在する宛先のリストに基づいて当該リストに含まれる宛先であるか否かに応じて２値化した特徴量などが用いられてもよい。
推定部２１４は、統計化情報について、所定の推定を行う。当該推定は、例えば、学習部２１３によって生成された学習モデルに基づく、当該統計化情報に関する推定であってもよい。この推定では、例えば、当該統計化情報について、所定の数値の結果が得られる。当該所定の数値は、例えば、当該統計化情報が正常であるか異常であるかを判定することが可能な数値である。
本実施形態では、好ましい態様例として、推定部２１４は、特徴検出部２１２による特徴検出の結果および学習部２１３による学習の結果に基づいて、所定の推定を行う。このような推定のアルゴリズムは、例えば、機械学習のアルゴリズムに準拠する。
なお、推定の代わりに、判定などと呼ばれてもよい。
なお、推定の代わりに、判定などと呼ばれてもよい。
推定部２１４において、異常検知部２１５は、推定部２１４による推定の結果に基づいて、統計化情報に関する異常を検知する。
例えば、異常検知部２１５は、推定部２１４による推定で得られる所定の数値に基づいて、統計化情報が異常であるか否かを判定し、当該統計化情報が異常である場合には、当該異常を検知する。
本実施形態では、端末装置４１～４３、５１～５３がマルウェア等に感染する前と後との挙動変化に着目して、当該挙動変化があったと推定される場合には異常を検知する構成としている。具体的には、解析サーバ装置２２では、学習部２１３により、マルウェア等に感染する前の挙動を学習し、その後、その学習結果に基づいて、マルウェア等に感染した後の挙動であるか否かを推定する。
なお、検知の代わりに、検出などと呼ばれてもよい。
例えば、異常検知部２１５は、推定部２１４による推定で得られる所定の数値に基づいて、統計化情報が異常であるか否かを判定し、当該統計化情報が異常である場合には、当該異常を検知する。
本実施形態では、端末装置４１～４３、５１～５３がマルウェア等に感染する前と後との挙動変化に着目して、当該挙動変化があったと推定される場合には異常を検知する構成としている。具体的には、解析サーバ装置２２では、学習部２１３により、マルウェア等に感染する前の挙動を学習し、その後、その学習結果に基づいて、マルウェア等に感染した後の挙動であるか否かを推定する。
なお、検知の代わりに、検出などと呼ばれてもよい。
通知部２１６は、所定の通知を行う。例えば、通知部２１６は、所定の通知の内容を含むパケットを、回線２３を介して、ホームゲートウェイ装置２１などに送信してもよい。また、例えば、通知部２１６は、解析サーバ装置２２において、所定の通知を行ってもよい。
記憶部２１７は、各種の情報を記憶する。
記憶部２１７は、各種の情報を記憶する。
図４は、本発明の一実施形態に係る統計化情報１０１１の一例を示す図である。
統計化情報１０１１は、ホームゲートウェイ装置２１の統計化処理部１１３によって、所定の統計化期間ごとに、処理対象となるパケットに含まれる情報を統計化した結果の情報である。処理対象となるパケットは、通常、統計化期間ごとに、複数となる。
統計化情報１０１１は、例えば、ホームゲートウェイ装置２１の記憶部１１４などに記憶されてもよい。
統計化情報１０１１は、ホームゲートウェイ装置２１の統計化処理部１１３によって、所定の統計化期間ごとに、処理対象となるパケットに含まれる情報を統計化した結果の情報である。処理対象となるパケットは、通常、統計化期間ごとに、複数となる。
統計化情報１０１１は、例えば、ホームゲートウェイ装置２１の記憶部１１４などに記憶されてもよい。
本実施形態では、処理対象となるパケットは、ホームゲートウェイ装置２１のパケット入力部１１１により入力されるパケットである。
本実施形態では、処理対象となるパケットは、端末装置４１～４３については、それぞれの端末装置４１～４３ごとのパケットである。
また、本実施形態では、処理対象のパケットは、端末装置５１～５３については、ルータ３１ごとのパケットであり、つまり、端末装置５１～５３のパケットをまとめたものである。本実施形態では、ホームゲートウェイ装置２１は、ルータ３１の配下に存在する端末装置５１～５３については個別に特定することができず、つまり、ルータ３１からホームゲートウェイ装置２１に送信されるパケットについては、当該パケットの送信元を端末装置５１～５３のなかで特定することができない。このため、本実施形態では、ホームゲートウェイ装置２１は、ルータ３１ごとのパケットをまとめて、統計化処理を行う。
本実施形態では、処理対象となるパケットは、端末装置４１～４３については、それぞれの端末装置４１～４３ごとのパケットである。
また、本実施形態では、処理対象のパケットは、端末装置５１～５３については、ルータ３１ごとのパケットであり、つまり、端末装置５１～５３のパケットをまとめたものである。本実施形態では、ホームゲートウェイ装置２１は、ルータ３１の配下に存在する端末装置５１～５３については個別に特定することができず、つまり、ルータ３１からホームゲートウェイ装置２１に送信されるパケットについては、当該パケットの送信元を端末装置５１～５３のなかで特定することができない。このため、本実施形態では、ホームゲートウェイ装置２１は、ルータ３１ごとのパケットをまとめて、統計化処理を行う。
図４の例では、統計化情報１０１１は、「Ｔｉｍｅｓｔａｍｐ」、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」、「ｐｒｏｔｏｃｏｌ」、「ｃｏｕｎｔ」、「ｌｅｎｇｔｈ」という項目を含む。
なお、統計化情報という名称、および、当該項目のそれぞれの名称は、説明の便宜上のものであり、他の任意の名称が用いられてもよい。例えば、統計化情報の代わりに、統計レコードなどと呼ばれてもよい。
なお、統計化情報という名称、および、当該項目のそれぞれの名称は、説明の便宜上のものであり、他の任意の名称が用いられてもよい。例えば、統計化情報の代わりに、統計レコードなどと呼ばれてもよい。
ここで、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」の情報としては、それぞれ、統計化処理の対象となるパケットに含まれる情報と同じ情報が用いられる。
また、統計化情報１０１１に、「ｐｒｏｔｏｃｏｌ」の情報が含まれなくてもよい。
また、ポートの情報（「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」）は、例えば、サービスごとに異なる情報となる。このため、複数のサービスが存在しないような場合に、統計化情報１０１１にポートの情報が含まれなくてもよい。
また、統計化情報１０１１に、「ｐｒｏｔｏｃｏｌ」の情報が含まれなくてもよい。
また、ポートの情報（「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」）は、例えば、サービスごとに異なる情報となる。このため、複数のサービスが存在しないような場合に、統計化情報１０１１にポートの情報が含まれなくてもよい。
「Ｔｉｍｅｓｔａｍｐ」は、統計化処理部１１３によって統計化処理が行われたときの時間を表すタイムスタンプである。当該時間としては、例えば、統計化処理部１１３によって統計化処理が完了したとき（例えば、統計化情報１０１１が生成されたとき）、統計化処理部１１３によって統計化処理が開始されるとき、統計化処理部１１３によって統計化処理が行われる対象となる統計化期間の終了時間または開始時間、あるいは、所定の時間、などが用いられてもよい。
図４の例では、「Ｔｉｍｅｓｔａｍｐ」の項目に、「２０１９－０６－３０ １５：００：１０」などの情報が格納されている。「２０１９－０６－３０ １５：００：１０」は２０１９年６月３０日１５時００分１０秒を表している。また、図４に示される他の具体例についても同様な定義である。
本実施形態では、統計化期間は１０秒であるが、他の任意の時間が用いられてもよい。
図４の例では、「Ｔｉｍｅｓｔａｍｐ」の項目に、「２０１９－０６－３０ １５：００：１０」などの情報が格納されている。「２０１９－０６－３０ １５：００：１０」は２０１９年６月３０日１５時００分１０秒を表している。また、図４に示される他の具体例についても同様な定義である。
本実施形態では、統計化期間は１０秒であるが、他の任意の時間が用いられてもよい。
ここで、統計化期間は、例えば、時間的な前後で一部重複してもよく、あるいは、時間的な前後で重複しなくてもよい。
具体例として、１０秒ごとに直近１０秒のデータを統計化するというように、統計化期間は時間的な前後で一部重複しなくてもよい。
また、具体例として、５秒ごとに直近１０秒のデータを統計化するというように、統計化期間は時間的な前後で重複してもよい。
また、統計化期間は、例えば、すべての端末装置４１～４３およびルータ３１について統一された同一の期間（周期）が設定されてもよい。他の例として、統計化期間は、例えば、それぞれの端末装置４１～４３ごと、あるいは、ルータ３１ごとに、異なり得る期間（周期）が設定されてもよい。
また、時間的に繰り返される統計化期間は、例えば、同一の期間であってもよく、あるいは、変動する期間であってもよい。
具体例として、１０秒ごとに直近１０秒のデータを統計化するというように、統計化期間は時間的な前後で一部重複しなくてもよい。
また、具体例として、５秒ごとに直近１０秒のデータを統計化するというように、統計化期間は時間的な前後で重複してもよい。
また、統計化期間は、例えば、すべての端末装置４１～４３およびルータ３１について統一された同一の期間（周期）が設定されてもよい。他の例として、統計化期間は、例えば、それぞれの端末装置４１～４３ごと、あるいは、ルータ３１ごとに、異なり得る期間（周期）が設定されてもよい。
また、時間的に繰り返される統計化期間は、例えば、同一の期間であってもよく、あるいは、変動する期間であってもよい。
「ｍａｃ＿ｓｒｃ」は、パケットに含まれる送信元（ソース）のＭＡＣアドレスを表す。図４の例では、「ｍａｃ＿ｓｒｃ」の項目に「ａ１：ｂ１：ｃ１：ｄ１：ｅ１：ｆ１」などの情報が格納されている。
「ｍａｃ＿ｄｓｔ」は、パケットに含まれる宛先（デスティネーション）のＭＡＣアドレスを表す。図４の例では、「ｍａｃ＿ｄｓｔ」の項目に「ａ３：ｂ３：ｃ３：ｄ３：ｅ３：ｆ３」などの情報が格納されている。
「ｉｐ＿ｓｒｃ」は、パケットに含まれる送信元のＩＰアドレスを表す。図４の例では、「ｉｐ＿ｓｒｃ」の項目に「１９２．１６８．１．１２１」などの情報が格納されている。
「ｉｐ＿ｄｓｔ」は、パケットに含まれる宛先のＩＰアドレスを表す。図４の例では、「ｉｐ＿ｄｓｔ」の項目に「２３９．２５５．２５５．ｘｘｘ」などの情報が格納されている。
「ｐｏｒｔ＿ｓｒｃ」は、パケットに含まれる送信元のポートの番号を表す。図４の例では、「ｐｏｒｔ＿ｓｒｃ」の項目に「４８９９３」などの情報が格納されている。
「ｐｏｒｔ＿ｄｓｔ」は、パケットに含まれる宛先のポートの番号を表す。図４の例では、「ｐｏｒｔ＿ｄｓｔ」の項目に「１９００」などの情報が格納されている。
「ｐｒｏｔｏｃｏｌ」は、パケットが通信されるプロトコルを表す。図４の例では、「ｐｒｏｔｏｃｏｌ」の項目に「ｕｄｐ」あるいは「ｔｃｐ」の情報が格納されている。
「ｍａｃ＿ｄｓｔ」は、パケットに含まれる宛先（デスティネーション）のＭＡＣアドレスを表す。図４の例では、「ｍａｃ＿ｄｓｔ」の項目に「ａ３：ｂ３：ｃ３：ｄ３：ｅ３：ｆ３」などの情報が格納されている。
「ｉｐ＿ｓｒｃ」は、パケットに含まれる送信元のＩＰアドレスを表す。図４の例では、「ｉｐ＿ｓｒｃ」の項目に「１９２．１６８．１．１２１」などの情報が格納されている。
「ｉｐ＿ｄｓｔ」は、パケットに含まれる宛先のＩＰアドレスを表す。図４の例では、「ｉｐ＿ｄｓｔ」の項目に「２３９．２５５．２５５．ｘｘｘ」などの情報が格納されている。
「ｐｏｒｔ＿ｓｒｃ」は、パケットに含まれる送信元のポートの番号を表す。図４の例では、「ｐｏｒｔ＿ｓｒｃ」の項目に「４８９９３」などの情報が格納されている。
「ｐｏｒｔ＿ｄｓｔ」は、パケットに含まれる宛先のポートの番号を表す。図４の例では、「ｐｏｒｔ＿ｄｓｔ」の項目に「１９００」などの情報が格納されている。
「ｐｒｏｔｏｃｏｌ」は、パケットが通信されるプロトコルを表す。図４の例では、「ｐｒｏｔｏｃｏｌ」の項目に「ｕｄｐ」あるいは「ｔｃｐ」の情報が格納されている。
ここで、本実施形態では、統計化処理部１１３は、統計化期間ごと（「Ｔｉｍｅｓｔａｍｐ」ごと）に、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」および「ｐｒｏｔｏｃｏｌ」が一致するパケットについて、「ｃｏｕｎｔ」および「ｌｅｎｇｔｈ」を算出する統計化処理を行う。この場合、統計化処理部１１３は、それぞれのパケットの長さ（パケット長）を検出する。
本実施形態では、このような統計化処理が行われた結果ごと（図４に示される統計化情報１０１１に含まれる１行ごと）に、学習の処理、および、学習結果を用いた推定の処理が行われる。
本実施形態では、このような統計化処理が行われた結果ごと（図４に示される統計化情報１０１１に含まれる１行ごと）に、学習の処理、および、学習結果を用いた推定の処理が行われる。
「ｃｏｕｎｔ」は、統計化期間ごとに、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」および「ｐｒｏｔｏｃｏｌ」が一致するパケットの数を表す。図４の例では、「ｃｏｕｎｔ」の項目に「２」などの情報が格納されている。
「ｌｅｎｇｔｈ」は、統計化期間ごとに、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」および「ｐｒｏｔｏｃｏｌ」が一致するパケットの長さの総和を表す。図４の例では、「ｌｅｎｇｔｈ」の項目に「２９４」などの情報が格納されている。なお、「ｌｅｎｇｔｈ」の単位は、例えば、バイト（ｂｙｔｅ）である。
「ｌｅｎｇｔｈ」は、統計化期間ごとに、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」および「ｐｒｏｔｏｃｏｌ」が一致するパケットの長さの総和を表す。図４の例では、「ｌｅｎｇｔｈ」の項目に「２９４」などの情報が格納されている。なお、「ｌｅｎｇｔｈ」の単位は、例えば、バイト（ｂｙｔｅ）である。
図４の例では、「Ｔｉｍｅｓｔａｍｐ」、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」および「ｐｒｏｔｏｃｏｌ」が一致するパケットごと（図１の例では、１行ごと）に、統計化情報１０１１がレコード化されている。図４の例では、1以上の項目の情報が異なるレコードは別のレコード（別の行の情報）となっている。
辞書期間および学習期間について説明する。
本実施形態では、学習期間が用いられ、さらに、辞書期間が用いられてもよい。
辞書期間は、端末装置４１～４３、５１～５３の本来の挙動を定義するための期間であり、正常な通信の定義のために設けられた期間である。辞書期間に発生する通信はすべて正常であるとみなす。
また、学習期間に発生する通信はすべて正常であるとみなす。このため、学習期間に発生する通信が辞書期間において発生していない場合、当該通信は正常であると学習され得る。これにより、辞書期間が設けられる場合には、辞書期間が設けられない場合と比べて、学習期間において、挙動の揺らぎを許容して学習を行うことができる。
ここで、辞書期間は、例えば、学習期間と同じ、または、学習期間よりも短い期間に設定される。
また、辞書期間は、例えば、学習期間と重複していてもよく、あるいは、重複していなくてもよい。
本実施形態では、学習期間が用いられ、さらに、辞書期間が用いられてもよい。
辞書期間は、端末装置４１～４３、５１～５３の本来の挙動を定義するための期間であり、正常な通信の定義のために設けられた期間である。辞書期間に発生する通信はすべて正常であるとみなす。
また、学習期間に発生する通信はすべて正常であるとみなす。このため、学習期間に発生する通信が辞書期間において発生していない場合、当該通信は正常であると学習され得る。これにより、辞書期間が設けられる場合には、辞書期間が設けられない場合と比べて、学習期間において、挙動の揺らぎを許容して学習を行うことができる。
ここで、辞書期間は、例えば、学習期間と同じ、または、学習期間よりも短い期間に設定される。
また、辞書期間は、例えば、学習期間と重複していてもよく、あるいは、重複していなくてもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、学習期間と同一の期間が辞書期間として設定されてもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、学習期間の一部の期間が辞書期間として設定されてもよい。具体例として、学習期間が２週間であり、その２週間のうちの前半の１週間が辞書期間であってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、学習期間よりも以前の期間が辞書期間として設定されてもよい。具体例として、学習期間が２週間であり、その前の１週間が辞書期間であってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、処理対象となるパケットの数が所定の数に達するまでの期間が辞書期間として設定されてもよい。
なお、辞書期間は、例えば、それぞれの端末装置４１～４３ごと、あるいは、ルータ３１ごとに、異なってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、学習期間の一部の期間が辞書期間として設定されてもよい。具体例として、学習期間が２週間であり、その２週間のうちの前半の１週間が辞書期間であってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、学習期間よりも以前の期間が辞書期間として設定されてもよい。具体例として、学習期間が２週間であり、その前の１週間が辞書期間であってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、処理対象となるパケットの数が所定の数に達するまでの期間が辞書期間として設定されてもよい。
なお、辞書期間は、例えば、それぞれの端末装置４１～４３ごと、あるいは、ルータ３１ごとに、異なってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、固定の学習期間が設定されてもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、処理対象となるパケットの数が所定の数に達するまでの期間が学習期間として設定されてもよい。
なお、学習期間は、例えば、それぞれの端末装置４１～４３ごと、あるいは、ルータ３１ごとに、異なってもよい。
例えば、すべての端末装置４１～４３およびルータ３１について、統一的に、処理対象となるパケットの数が所定の数に達するまでの期間が学習期間として設定されてもよい。
なお、学習期間は、例えば、それぞれの端末装置４１～４３ごと、あるいは、ルータ３１ごとに、異なってもよい。
図５および図６を参照して、辞書期間について説明する。
図５は、本発明の一実施形態に係る辞書期間におけるパケット情報１１１１の一例を示す図である。
パケット情報１１１１は、ホームゲートウェイ装置２１において、１つの辞書期間において処理対象となるそれぞれのパケットに含まれる情報の一覧を表す。パケット情報１１１１が有する項目は、図４に示される統計化情報１０１１が有する項目と同じである。
図５は、本発明の一実施形態に係る辞書期間におけるパケット情報１１１１の一例を示す図である。
パケット情報１１１１は、ホームゲートウェイ装置２１において、１つの辞書期間において処理対象となるそれぞれのパケットに含まれる情報の一覧を表す。パケット情報１１１１が有する項目は、図４に示される統計化情報１０１１が有する項目と同じである。
図５および図６の例では、辞書期間における特徴として、パケットに含まれる「ｉｐ＿ｄｓｔ」の情報を用いる場合を示す。
図５の例では、「Ｔｉｍｅｓｔａｍｐ」が「２０１９－０７－０５ ０５：０５：００」である４個のパケットの「ｉｐ＿ｄｓｔ」として、重複を排除すると、「２３９．２５５．２５５．２５０」、「２１６．２３９．３５．０」および「３４．９０．１７３．５３」が取得されている。
これらの宛先ＩＰアドレスのリストは、例えば、辞書の情報として、ホームゲートウェイ装置２１の記憶部１１４に記憶されてもよい。
図５の例では、「Ｔｉｍｅｓｔａｍｐ」が「２０１９－０７－０５ ０５：０５：００」である４個のパケットの「ｉｐ＿ｄｓｔ」として、重複を排除すると、「２３９．２５５．２５５．２５０」、「２１６．２３９．３５．０」および「３４．９０．１７３．５３」が取得されている。
これらの宛先ＩＰアドレスのリストは、例えば、辞書の情報として、ホームゲートウェイ装置２１の記憶部１１４に記憶されてもよい。
図６は、本発明の一実施形態に係る学習期間における特徴量が追加された統計化情報１１２１の一例を示す図である。
統計化情報１１２１は、ホームゲートウェイ装置２１において、１つの統計化期間において統計化処理が行われた結果の情報を表す。統計化情報１１２１が有する項目は、図４に示される統計化情報１０１１が有する項目と同じ項目を有し、さらに、特徴量の項目である「ｉｓ＿ｐａｓｔ＿ｉｐ」を含む。
統計化情報１１２１は、ホームゲートウェイ装置２１において、１つの統計化期間において統計化処理が行われた結果の情報を表す。統計化情報１１２１が有する項目は、図４に示される統計化情報１０１１が有する項目と同じ項目を有し、さらに、特徴量の項目である「ｉｓ＿ｐａｓｔ＿ｉｐ」を含む。
図６の例では、「ｉｓ＿ｐａｓｔ＿ｉｐ」は、学習期間において処理対象となるパケットに含まれる「ｉｐ＿ｄｓｔ」の情報が、辞書期間において取得された情報である「２３９．２５５．２５５．２５０」、「２１６．２３９．３５．０」および「３４．９０．１７３．５３」のいずれかと一致する場合には「１」という特徴量となり、そうでない場合には「０」という特徴量となる。つまり、「ｉｓ＿ｐａｓｔ＿ｉｐ」は、「ｉｐ＿ｄｓｔ」の情報が辞書期間に得られた情報と一致する場合には「１」となり、「ｉｐ＿ｄｓｔ」の情報が辞書期間に得られた情報と一致しない場合には「０」となる。
ここで、辞書期間において定義される特徴としては、様々な特徴が用いられてもよく、例えば、宛先ＩＰアドレス、宛先ポート（例えば、宛先ポートの番号）、宛先ＩＰアドレスと宛先ポートとの組み合わせ、平均パケット長、あるいは、パケット長の標準偏差などが用いられてもよい。これにより、例えば、端末装置４１～４３ごと、あるいは、ルータ３１ごとに、宛先ＩＰアドレスの一覧（リスト）、あるいは、宛先ポートの一覧（リスト）などが、辞書の情報として生成されてもよい。
また、辞書期間において定義される特徴の数としては、任意の数であってもよい。
また、辞書期間において定義される特徴の数としては、任意の数であってもよい。
図７および図８を参照して、辞書期間における特徴が学習期間において使用される例を示す。
なお、図７および図８の例では、説明を簡易にするために、１つの特徴量「ｉｓ＿ｐａｓｔ＿ｉｐ」を例として説明する。
図７は、本発明の一実施形態に係る学習期間および辞書期間における特徴量の一例を示す図である。
図７および図８の例では、辞書期間が７月１日から７月８日までであり、学習期間が７月１日から７月１５日までであり、テスト期間が７月１６日から７月３１日までである。ここで、テスト期間は、辞書期間に得られた特徴および学習期間に得られた学習結果に基づいて、推定部２１４によって推定が行われる期間である。なお、テスト期間は、推定部２１４の異常検知部２１５によって異常検知が行われる期間であると捉えられてもよい。
なお、図７および図８の例では、説明を簡易にするために、１つの特徴量「ｉｓ＿ｐａｓｔ＿ｉｐ」を例として説明する。
図７は、本発明の一実施形態に係る学習期間および辞書期間における特徴量の一例を示す図である。
図７および図８の例では、辞書期間が７月１日から７月８日までであり、学習期間が７月１日から７月１５日までであり、テスト期間が７月１６日から７月３１日までである。ここで、テスト期間は、辞書期間に得られた特徴および学習期間に得られた学習結果に基づいて、推定部２１４によって推定が行われる期間である。なお、テスト期間は、推定部２１４の異常検知部２１５によって異常検知が行われる期間であると捉えられてもよい。
図７の例では、辞書期間において処理対象となったパケットに含まれる宛先ＩＰアドレスのリストが生成される。このため、当該リストに含まれる宛先ＩＰアドレスについて、辞書期間では、すべてのパケットが当該宛先ＩＰアドレスを含んでいた。また、学習期間では、一部のパケットが当該宛先ＩＰアドレスを含んでいたが、他のパケットは当該宛先ＩＰアドレスを含んでいなかった（図７の例では、特徴量が「０」である箇所）。これにより、学習期間では、処理対象となるパケットが当該宛先ＩＰアドレスを含まない場合においても異常ではない（つまり、正常である）ことがあることが学習された。
図８は、本発明の一実施形態に係るテスト期間における特徴量の一例を示す図である。
図８（Ａ）は、「ｉｓ＿ｐａｓｔ＿ｉｐ」に関する１つの特徴量を示している。
図８（Ｂ）は、推定部２１４による推定および異常検知部２１５による異常検知が行われた結果として、判定結果を示してある。「正」は判定結果が正常であることを表す。なお、判定結果が異常であることは「異」と表されてもよい。
図８（Ｃ）は、判定結果の正解を示してある。
図８の例では、特徴量が「１」となる場合だけでなく、特徴量が「０」となる場合にも、異常ではない（つまり、正常である）という判定結果が得られることがあることが示されている。
図８（Ａ）は、「ｉｓ＿ｐａｓｔ＿ｉｐ」に関する１つの特徴量を示している。
図８（Ｂ）は、推定部２１４による推定および異常検知部２１５による異常検知が行われた結果として、判定結果を示してある。「正」は判定結果が正常であることを表す。なお、判定結果が異常であることは「異」と表されてもよい。
図８（Ｃ）は、判定結果の正解を示してある。
図８の例では、特徴量が「１」となる場合だけでなく、特徴量が「０」となる場合にも、異常ではない（つまり、正常である）という判定結果が得られることがあることが示されている。
このように、図７および図８の例では、辞書期間におけるパケットには含まれない宛先ＩＰアドレスが、学習期間に、新しい通信先として発生した場合に、当該宛先ＩＰアドレスを含むパケットが正常な通信として学習され得る。これにより、テスト期間における誤検知を減少させることができる。
本実施形態では、学習部２１３は、統計化期間ごとに、図４に示される「Ｔｉｍｅｓｔａｍｐ」、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」、「ｐｒｏｔｏｃｏｌ」、「ｃｏｕｎｔ」および「ｌｅｎｇｔｈ」の情報と、辞書期間に定義される１つ以上の特徴に関する特徴量に基づいて、機械的な学習を行う。
本実施形態では、学習部２１３は、統計化期間ごとに、図４に示される「Ｔｉｍｅｓｔａｍｐ」、「ｍａｃ＿ｓｒｃ」、「ｍａｃ＿ｄｓｔ」、「ｉｐ＿ｓｒｃ」、「ｉｐ＿ｄｓｔ」、「ｐｏｒｔ＿ｓｒｃ」、「ｐｏｒｔ＿ｄｓｔ」、「ｐｒｏｔｏｃｏｌ」、「ｃｏｕｎｔ」および「ｌｅｎｇｔｈ」の情報と、辞書期間に定義される１つ以上の特徴に関する特徴量に基づいて、機械的な学習を行う。
そして、推定部２１４では、学習部２１３により行われた学習の結果に基づいて、テスト期間における統計化情報について、所定の推定を行う。
具体的には、推定部２１４では、学習期間における統計化情報を用いて行われた学習の結果に基づいて、テスト期間における統計化情報について所定の推定を行う。
ここで、学習期間における統計化情報に含まれる項目と、テスト期間における統計化情報に含まれる項目とは、例えば、同じである。
また、辞書期間および学習期間が用いられる場合には、学習期間における統計化情報およびテスト期間における統計化情報に、辞書期間に定義された特徴量の項目が含まれる。
一方、辞書期間が用いられず学習期間が用いられる場合には、辞書期間における特徴の定義は行われない。この場合、図８の例では、「ｉｓ＿ｐａｓｔ＿ｉｐ」に関する特徴量が「０」となる場合に、異常であるという判定結果が得られる可能性が高くなる。
なお、本実施形態では、辞書期間および学習期間が設けられることが好ましいが、辞書期間が設けられずに学習期間が設けられてもよい。
具体的には、推定部２１４では、学習期間における統計化情報を用いて行われた学習の結果に基づいて、テスト期間における統計化情報について所定の推定を行う。
ここで、学習期間における統計化情報に含まれる項目と、テスト期間における統計化情報に含まれる項目とは、例えば、同じである。
また、辞書期間および学習期間が用いられる場合には、学習期間における統計化情報およびテスト期間における統計化情報に、辞書期間に定義された特徴量の項目が含まれる。
一方、辞書期間が用いられず学習期間が用いられる場合には、辞書期間における特徴の定義は行われない。この場合、図８の例では、「ｉｓ＿ｐａｓｔ＿ｉｐ」に関する特徴量が「０」となる場合に、異常であるという判定結果が得られる可能性が高くなる。
なお、本実施形態では、辞書期間および学習期間が設けられることが好ましいが、辞書期間が設けられずに学習期間が設けられてもよい。
ここで、機械学習における特徴量について説明する。
本実施形態では、学習部２１３は、統計化情報に基づいて生成される１以上の項目の特徴量を用いて学習を行う。
学習部２１３は、例えば、宛先ＩＰアドレス、パケット数、パケット長、プロトコルなどの情報に基づいて生成される所定数の次元の特徴量を用いてもよい。当該所定数は、任意の数であってもよく、例えば、２１などであってもよい。
本実施形態では、学習部２１３は、統計化情報に基づいて生成される１以上の項目の特徴量を用いて学習を行う。
学習部２１３は、例えば、宛先ＩＰアドレス、パケット数、パケット長、プロトコルなどの情報に基づいて生成される所定数の次元の特徴量を用いてもよい。当該所定数は、任意の数であってもよく、例えば、２１などであってもよい。
本実施形態では、各特徴量は、０または１となる二値にエンコードされている。
パケット数などの連続量に関しては、例えば、平均あるいは標準偏差を用いて閾値を定め、当該連続量が当該閾値を超える場合に０とし、当該連続量が当該閾値未満である場合に１とする。なお、０と１とは、互いに逆に定義されてもよい。
また、宛先ＩＰアドレスあるいはポート番号などについては，辞書期間におけるリスト（正常な挙動時のリスト）を作成し、宛先ＩＰアドレスあるいはポート番号などの情報がそのリストに含まれない場合には０とし、宛先ＩＰアドレスあるいはポート番号などの情報がそのリストに含まれる場合には１とする。
なお、辞書期間が設けられない場合には、辞書期間において定義される特徴については学習で用いられなくてもよい。
パケット数などの連続量に関しては、例えば、平均あるいは標準偏差を用いて閾値を定め、当該連続量が当該閾値を超える場合に０とし、当該連続量が当該閾値未満である場合に１とする。なお、０と１とは、互いに逆に定義されてもよい。
また、宛先ＩＰアドレスあるいはポート番号などについては，辞書期間におけるリスト（正常な挙動時のリスト）を作成し、宛先ＩＰアドレスあるいはポート番号などの情報がそのリストに含まれない場合には０とし、宛先ＩＰアドレスあるいはポート番号などの情報がそのリストに含まれる場合には１とする。
なお、辞書期間が設けられない場合には、辞書期間において定義される特徴については学習で用いられなくてもよい。
ここで、特徴量の具体例を示す。
特徴量として、「宛先ＩＰ」があり、宛先ＩＰアドレスが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「宛先ＩＰ（２４ビット）」があり、宛先ＩＰの先頭の２４ビットが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「宛先ポート」があり、宛先ポートが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「宛先ＩＰおよび宛先ポート」があり、宛先ＩＰと宛先ポートとの組み合わせが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「ウェルノウンポート」があり、宛先ポートの番号が１０２４以下である場合に１値とし、他の場合に０値とする。
具体例として、特徴量として、「プロトコル」があり、プロトコルがＴＣＰである場合に１値とし、他の場合に０値とする。特徴量として、「レスポンス」があり、レスポンスの宛先ＩＰアドレスおよびポートの組と同一の送信元ＩＰアドレスおよびポートの組が存在する場合に１値とし、他の場合に０値とする。特徴量として、「レスポンス数」があり、レスポンスのパケット数が所定のレコードより大きい場合に１値とし、他の場合に０値とする。特徴量として、「レスポンス長」があり、レスポンスのパケット長が所定のレコードより大きい場合に１値とし、他の場合に０値とする。特徴量として、「類似パケット」があり、宛先ポートもしくは送信元ポートのみ異なるパケットが存在する場合に１値とし、他の場合に０値とする。特徴量として、「パケット数（平均以下）」があり、パケットの数が全レコードの平均以下である場合に１値とし、他の場合に０値とする。特徴量として、「パケット数（平均＋標準偏差σ以下）」があり、パケット数が（全レコードの平均＋標準偏差）以下である場合に１値とし、他の場合に０値とする。特徴量として、「パケット長（平均以下）」があり、パケット長が全レコードの平均以下である場合に１値とし、他の場合に０値とする。特徴量として、「パケット長（平均＋標準偏差σ以下）」があり、パケット長が（全レコードの平均＋標準偏差）以下である場合に１値とし、他の場合に０値とする。特徴量として、「アウトバウンド」があり、内部ネットワークから外部へ向けた通信である場合に１値とし、他の場合に０値とする。
特徴量として、「宛先ＩＰ」があり、宛先ＩＰアドレスが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「宛先ＩＰ（２４ビット）」があり、宛先ＩＰの先頭の２４ビットが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「宛先ポート」があり、宛先ポートが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「宛先ＩＰおよび宛先ポート」があり、宛先ＩＰと宛先ポートとの組み合わせが辞書期間のリストに含まれる場合に１値とし、他の場合に０値とする。特徴量として、「ウェルノウンポート」があり、宛先ポートの番号が１０２４以下である場合に１値とし、他の場合に０値とする。
具体例として、特徴量として、「プロトコル」があり、プロトコルがＴＣＰである場合に１値とし、他の場合に０値とする。特徴量として、「レスポンス」があり、レスポンスの宛先ＩＰアドレスおよびポートの組と同一の送信元ＩＰアドレスおよびポートの組が存在する場合に１値とし、他の場合に０値とする。特徴量として、「レスポンス数」があり、レスポンスのパケット数が所定のレコードより大きい場合に１値とし、他の場合に０値とする。特徴量として、「レスポンス長」があり、レスポンスのパケット長が所定のレコードより大きい場合に１値とし、他の場合に０値とする。特徴量として、「類似パケット」があり、宛先ポートもしくは送信元ポートのみ異なるパケットが存在する場合に１値とし、他の場合に０値とする。特徴量として、「パケット数（平均以下）」があり、パケットの数が全レコードの平均以下である場合に１値とし、他の場合に０値とする。特徴量として、「パケット数（平均＋標準偏差σ以下）」があり、パケット数が（全レコードの平均＋標準偏差）以下である場合に１値とし、他の場合に０値とする。特徴量として、「パケット長（平均以下）」があり、パケット長が全レコードの平均以下である場合に１値とし、他の場合に０値とする。特徴量として、「パケット長（平均＋標準偏差σ以下）」があり、パケット長が（全レコードの平均＋標準偏差）以下である場合に１値とし、他の場合に０値とする。特徴量として、「アウトバウンド」があり、内部ネットワークから外部へ向けた通信である場合に１値とし、他の場合に０値とする。
図９は、本発明の一実施形態に係るホームゲートウェイ装置２１において行われる処理の手順の一例を示す図である。
（ステップＳ１）
ホームゲートウェイ装置２１では、パケット入力部１１１によって、パケットを入力する。当該パケットは、それぞれの端末装置４１～４３、５１～５３から発せられるパケットである。また、ホームゲートウェイ装置２１では、既に取得されたパケットを記憶部１１４に記憶してもよい。
（ステップＳ１）
ホームゲートウェイ装置２１では、パケット入力部１１１によって、パケットを入力する。当該パケットは、それぞれの端末装置４１～４３、５１～５３から発せられるパケットである。また、ホームゲートウェイ装置２１では、既に取得されたパケットを記憶部１１４に記憶してもよい。
（ステップＳ２）
ホームゲートウェイ装置２１では、統計化処理部１１３によって、パケットの入力を開始してから所定の統計化期間が経過したか否かを判定する。
この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、パケットの入力を開始してから所定の統計化期間が経過したと判定した場合（ステップＳ２：ＹＥＳ）、ステップＳ３の処理へ移行する。
一方、この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、パケットの入力を開始してから所定の統計化期間が経過していないと判定した場合（ステップＳ２：ＮＯ）、ステップＳ１の処理へ移行する。
ホームゲートウェイ装置２１では、統計化処理部１１３によって、パケットの入力を開始してから所定の統計化期間が経過したか否かを判定する。
この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、パケットの入力を開始してから所定の統計化期間が経過したと判定した場合（ステップＳ２：ＹＥＳ）、ステップＳ３の処理へ移行する。
一方、この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、パケットの入力を開始してから所定の統計化期間が経過していないと判定した場合（ステップＳ２：ＮＯ）、ステップＳ１の処理へ移行する。
（ステップＳ３）
ホームゲートウェイ装置２１では、統計化処理部１１３によって、１つの統計化期間について、統計化処理を行う。
ホームゲートウェイ装置２１では、統計化処理部１１３によって、１つの統計化期間について、統計化処理を行う。
（ステップＳ４）
ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行うか否かを判定する。
この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行うと判定した場合（ステップＳ４：ＹＥＳ）、ステップＳ５の処理へ移行する。
一方、この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行わないと判定した場合（ステップＳ４：ＮＯ）、ステップＳ１の処理へ移行する。この場合、ホームゲートウェイ装置２１では、次の統計化期間のカウントが開始される。
また、ホームゲートウェイ装置２１では、既に取得された統計化処理の結果を記憶部１１４に記憶する。
ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行うか否かを判定する。
この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行うと判定した場合（ステップＳ４：ＹＥＳ）、ステップＳ５の処理へ移行する。
一方、この判定の結果、ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行わないと判定した場合（ステップＳ４：ＮＯ）、ステップＳ１の処理へ移行する。この場合、ホームゲートウェイ装置２１では、次の統計化期間のカウントが開始される。
また、ホームゲートウェイ装置２１では、既に取得された統計化処理の結果を記憶部１１４に記憶する。
ここで、統計化処理の結果の通知を行うタイミングとしては、任意のタイミングが用いられてもよい。例えば、それぞれの統計化期間と同じ期間（通知期間）ごとに、当該統計化期間に行われた統計化処理の結果である統計化情報がホームゲートウェイ装置２１から解析サーバ装置２２に対して送信されてもよい。また、例えば、統計化期間とは異なる期間（通知期間）のタイミングで、統計化処理の結果である統計化情報がホームゲートウェイ装置２１から解析サーバ装置２２に対して送信されてもよい。
（ステップＳ５）
ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行う処理を実行する。具体的には、ホームゲートウェイ装置２１では、統計化処理部１１３は、パケット出力部１１２により、通知対象となる統計化情報を、回線２３を介して、解析サーバ装置２２に送信する。ここで、通知対象となる統計化情報は、例えば、既に取得されているが未だに通知が行われていない統計化情報であってもよい。
そして、本フローの処理が終了する。
ホームゲートウェイ装置２１では、統計化処理部１１３によって、統計化処理の結果の通知を行う処理を実行する。具体的には、ホームゲートウェイ装置２１では、統計化処理部１１３は、パケット出力部１１２により、通知対象となる統計化情報を、回線２３を介して、解析サーバ装置２２に送信する。ここで、通知対象となる統計化情報は、例えば、既に取得されているが未だに通知が行われていない統計化情報であってもよい。
そして、本フローの処理が終了する。
図１０は、本発明の一実施形態に係る解析サーバ装置２２において行われる処理の手順の一例を示す図である。
（ステップＳ２１）
解析サーバ装置２２では、パケット入力部２１１によってホームゲートウェイ装置２１からの通知を受けたか否かを判定する。当該通知は、ホームゲートウェイ装置２１において行われた統計化処理の結果である統計化情報の通知である。
この判定の結果、解析サーバ装置２２では、ホームゲートウェイ装置２１からの通知を受けたと判定した場合（ステップＳ２１：ＹＥＳ）、ステップＳ２２の処理へ移行する。
一方、この判定の結果、解析サーバ装置２２では、ホームゲートウェイ装置２１からの通知を受けていないと判定した場合（ステップＳ２１：ＮＯ）、ステップＳ２１の処理を繰り返す。
（ステップＳ２１）
解析サーバ装置２２では、パケット入力部２１１によってホームゲートウェイ装置２１からの通知を受けたか否かを判定する。当該通知は、ホームゲートウェイ装置２１において行われた統計化処理の結果である統計化情報の通知である。
この判定の結果、解析サーバ装置２２では、ホームゲートウェイ装置２１からの通知を受けたと判定した場合（ステップＳ２１：ＹＥＳ）、ステップＳ２２の処理へ移行する。
一方、この判定の結果、解析サーバ装置２２では、ホームゲートウェイ装置２１からの通知を受けていないと判定した場合（ステップＳ２１：ＮＯ）、ステップＳ２１の処理を繰り返す。
（ステップＳ２２）
解析サーバ装置２２では、ホームゲートウェイ装置２１から受けた通知の内容を記憶部２１７に記憶する。そして、ステップＳ２３の処理へ移行する。
解析サーバ装置２２では、ホームゲートウェイ装置２１から受けた通知の内容を記憶部２１７に記憶する。そして、ステップＳ２３の処理へ移行する。
（ステップＳ２３）
解析サーバ装置２２では、所定の解析を実行するか否かを判定する。ここで、本実施形態では、所定の解析は、辞書期間における特徴検出部２１２による特徴検出、学習期間における学習部２１３による学習、あるいは、テスト期間における推定部２１４による推定のいずれかである。なお、当該推定は、異常検知部２１５による異常検出を含んでもよい。
この判定の結果、解析サーバ装置２２では、所定の解析を実行すると判定した場合（ステップＳ２３：ＹＥＳ）、ステップＳ２４の処理へ移行する。
一方、この判定の結果、解析サーバ装置２２では、所定の解析を実行しないと判定した場合（ステップＳ２３：ＮＯ）、ステップＳ２１の処理へ移行する。
解析サーバ装置２２では、所定の解析を実行するか否かを判定する。ここで、本実施形態では、所定の解析は、辞書期間における特徴検出部２１２による特徴検出、学習期間における学習部２１３による学習、あるいは、テスト期間における推定部２１４による推定のいずれかである。なお、当該推定は、異常検知部２１５による異常検出を含んでもよい。
この判定の結果、解析サーバ装置２２では、所定の解析を実行すると判定した場合（ステップＳ２３：ＹＥＳ）、ステップＳ２４の処理へ移行する。
一方、この判定の結果、解析サーバ装置２２では、所定の解析を実行しないと判定した場合（ステップＳ２３：ＮＯ）、ステップＳ２１の処理へ移行する。
ここで、本実施形態では、一例として、辞書期間が完了したときのタイミングで特徴検出部２１２による特徴検出が行われ、学習期間が完了したときのタイミングで学習部２１３による学習が行われ、テスト期間が完了したときのタイミングで推定部２１４による推定が行われる。
他の例として、それぞれの期間における解析は、それぞれの期間においても、実行が進められてもよい。また、他の例として、それぞれの期間における解析は、それぞれの期間が経過した後の任意のタイミングで、実行されてもよい。
なお、それぞれの期間は、例えば、解析サーバ装置２２によって管理されてもよく、ホームゲートウェイ装置２１によって管理されてもよく、あるいは、これら両方の装置によって管理されてもよい。
他の例として、それぞれの期間における解析は、それぞれの期間においても、実行が進められてもよい。また、他の例として、それぞれの期間における解析は、それぞれの期間が経過した後の任意のタイミングで、実行されてもよい。
なお、それぞれの期間は、例えば、解析サーバ装置２２によって管理されてもよく、ホームゲートウェイ装置２１によって管理されてもよく、あるいは、これら両方の装置によって管理されてもよい。
（ステップＳ２４）
解析サーバ装置２２では、所定の解析の処理を実行する。そして、本フローの処理を終了する。
解析サーバ装置２２では、所定の解析の処理を実行する。そして、本フローの処理を終了する。
ここでは、説明の便宜上、図１０に示されるフローチャートを用いて、辞書期間における特徴検出部２１２による特徴検出、学習期間における学習部２１３による学習、あるいは、テスト期間における推定部２１４による推定について、まとめて説明した。
例えば、解析サーバ装置２２では、まず、図１０に示されるフローチャートにしたがって、辞書期間における特徴検出部２１２による特徴検出の処理が行われる。次に、解析サーバ装置２２では、図１０に示されるフローチャートにしたがって、学習期間における学習部２１３による学習の処理が行われる。そして、解析サーバ装置２２では、図１０に示されるフローチャートにしたがって、テスト期間における推定部２１４による推定の処理が行われる。なお、辞書期間と学習期間とは、一部が重複していてもよい。
例えば、解析サーバ装置２２では、まず、図１０に示されるフローチャートにしたがって、辞書期間における特徴検出部２１２による特徴検出の処理が行われる。次に、解析サーバ装置２２では、図１０に示されるフローチャートにしたがって、学習期間における学習部２１３による学習の処理が行われる。そして、解析サーバ装置２２では、図１０に示されるフローチャートにしたがって、テスト期間における推定部２１４による推定の処理が行われる。なお、辞書期間と学習期間とは、一部が重複していてもよい。
ここで、解析サーバ装置２２では、例えば、所定の解析の処理の結果をホームゲートウェイ装置２１などの所定の装置に通知してもよく、また、所定の出力装置により出力してもよい。当該出力装置は、例えば、情報を画面に表示する表示装置、あるいは、情報を音声で出力する音声出力装置などであってもよい。
また、この場合、ホームゲートウェイ装置２１は、それぞれの端末装置４１～４３、５１～５３によってユーザに対する所定の通知を実行させてもよい。また、この場合、ホームゲートウェイ装置２１は、ユーザに対して、所定の通知を行ってもよい。所定の通知は、例えば、画面表示、音声出力などのうちの１以上を用いた通知であってもよい。
また、この場合、ホームゲートウェイ装置２１は、それぞれの端末装置４１～４３、５１～５３によってユーザに対する所定の通知を実行させてもよい。また、この場合、ホームゲートウェイ装置２１は、ユーザに対して、所定の通知を行ってもよい。所定の通知は、例えば、画面表示、音声出力などのうちの１以上を用いた通知であってもよい。
以上のように、本実施形態に係る情報処理システム１では、次のような構成とした。
中継装置（本実施形態では、ホームゲートウェイ装置２１）は、第１入力部（本実施形態では、パケット入力部１１１）により１以上の端末装置４１～４３、５１～５３から出力されるパケットを入力し、統計化処理部１１３により入力された所定の統計化期間におけるパケットに含まれる情報に基づいて、少なくとも当該パケットの発信元情報および発信先情報を含む対象情報について、所定の統計化処理を行い、第１出力部（本実施形態では、パケット出力部１１２）により当該統計化処理の結果を含む統計化情報を処理装置（本実施形態では、解析サーバ装置２２）に出力する。
また、処理装置は、第２入力部（本実施形態では、パケット入力部２１１）により中継装置から出力された統計化情報を入力し、推定部２１４により、入力された第１期間（本実施形態では、学習期間）における統計化情報に基づく推定手法（本実施形態では、学習モデル）を用いて、第２期間（本実施形態では、テスト期間）における統計化情報について所定の推定を行う。
したがって、本実施形態では、端末装置４１～４３、５１～５３から出力されるパケットに関する異常検知を効率的に行うことができる。
中継装置（本実施形態では、ホームゲートウェイ装置２１）は、第１入力部（本実施形態では、パケット入力部１１１）により１以上の端末装置４１～４３、５１～５３から出力されるパケットを入力し、統計化処理部１１３により入力された所定の統計化期間におけるパケットに含まれる情報に基づいて、少なくとも当該パケットの発信元情報および発信先情報を含む対象情報について、所定の統計化処理を行い、第１出力部（本実施形態では、パケット出力部１１２）により当該統計化処理の結果を含む統計化情報を処理装置（本実施形態では、解析サーバ装置２２）に出力する。
また、処理装置は、第２入力部（本実施形態では、パケット入力部２１１）により中継装置から出力された統計化情報を入力し、推定部２１４により、入力された第１期間（本実施形態では、学習期間）における統計化情報に基づく推定手法（本実施形態では、学習モデル）を用いて、第２期間（本実施形態では、テスト期間）における統計化情報について所定の推定を行う。
したがって、本実施形態では、端末装置４１～４３、５１～５３から出力されるパケットに関する異常検知を効率的に行うことができる。
一構成例として、処理装置は、第２入力部によって入力された第１期間における統計化情報に基づいて、機械学習により、推定手法を生成する学習部２１３を備える。
一構成例として、処理装置は、第２入力部によって入力された第３期間（本実施形態では、辞書期間）における統計化情報に基づいて、当該統計化情報に関する特徴を検出する特徴検出部２１２を備える。学習部２１３は、特徴検出部２１２によって検出された特徴に関する情報が付加された統計化情報に基づいて、機械学習により、推定手法を生成する。
一構成例として、第３期間の長さは、第１期間の長さ以下である。
一構成例として、特徴検出部２１２により検出される特徴は、発信先情報の一部または全部を含む。
一構成例として、発信元情報は、ＭＡＣアドレスと、ＩＰアドレスと、ポートのうちの１以上に関する情報を含む。発信先情報は、ＭＡＣアドレスと、ＩＰアドレスと、ポートのうちの１以上に関する情報を含む。
一構成例として、統計化情報は、パケットに含まれる所定項目の情報が一致するパケットの数（図４の例では、「ｃｏｕｎｔ」）と、パケットに含まれる所定項目の情報が一致するパケットの長さの総和（図４の例では、「ｌｅｎｇｔｈ」）との一方または両方に関する情報を含む。
一構成例として、所定の推定は、異常の検知を含む。
なお、本実施形態に係る情報処理システム１において行われる情報処理方法などを提供することもできる。
一構成例として、処理装置は、第２入力部によって入力された第３期間（本実施形態では、辞書期間）における統計化情報に基づいて、当該統計化情報に関する特徴を検出する特徴検出部２１２を備える。学習部２１３は、特徴検出部２１２によって検出された特徴に関する情報が付加された統計化情報に基づいて、機械学習により、推定手法を生成する。
一構成例として、第３期間の長さは、第１期間の長さ以下である。
一構成例として、特徴検出部２１２により検出される特徴は、発信先情報の一部または全部を含む。
一構成例として、発信元情報は、ＭＡＣアドレスと、ＩＰアドレスと、ポートのうちの１以上に関する情報を含む。発信先情報は、ＭＡＣアドレスと、ＩＰアドレスと、ポートのうちの１以上に関する情報を含む。
一構成例として、統計化情報は、パケットに含まれる所定項目の情報が一致するパケットの数（図４の例では、「ｃｏｕｎｔ」）と、パケットに含まれる所定項目の情報が一致するパケットの長さの総和（図４の例では、「ｌｅｎｇｔｈ」）との一方または両方に関する情報を含む。
一構成例として、所定の推定は、異常の検知を含む。
なお、本実施形態に係る情報処理システム１において行われる情報処理方法などを提供することもできる。
本実施形態では、中継装置を通過するパケットが異常であるか否かを判定する異常検知機能が実現される。本実施形態では、中継装置を通過するトラフィックが特にマルウェアに感染した端末装置によるものであるか否かを検知する異常検知を行うことができる。
本実施形態では、中継装置において、パケット全体の解析ではなく、統計化処理により集約情報（統計化情報）を取得して処理装置に送信するため、中継装置における処理負荷（通信負荷を含む。）が軽い。
本実施形態では、中継装置におけるトラフィックの統計化処理（例えば、統計レコードから多次元の特徴を抽出する処理）、および、解析サーバ装置２２における機械学習を併用することで、軽量かつ高精度な異常検知を実現することができる。
本実施形態では、ユーザが特に意識することなく、セキュリティ対策された環境で、端末装置４１～４３、５１～５３を利用することが可能である。
本実施形態では、中継装置において、パケット全体の解析ではなく、統計化処理により集約情報（統計化情報）を取得して処理装置に送信するため、中継装置における処理負荷（通信負荷を含む。）が軽い。
本実施形態では、中継装置におけるトラフィックの統計化処理（例えば、統計レコードから多次元の特徴を抽出する処理）、および、解析サーバ装置２２における機械学習を併用することで、軽量かつ高精度な異常検知を実現することができる。
本実施形態では、ユーザが特に意識することなく、セキュリティ対策された環境で、端末装置４１～４３、５１～５３を利用することが可能である。
本実施形態では、辞書期間が設けられ、辞書期間の情報と学習期間の情報に基づいて学習モデルが生成される。この場合、新しい挙動（例えば、新しい宛先との通信）が発生することを正常な挙動として学習することが可能となり、誤検知を低減することができる。
ここで、ある中継装置で受信されるパケットに関して、いったん学習が行われた後に、当該中継装置の配下にある端末装置の状況（数や種類など）が変化したような場合には、例えば、再び、学習が行われてもよい。
また、本実施形態では、中継装置と処理装置とは別体であるが、他の例として、処理装置の機能の一部または全部が中継装置と一体化されてもよい。
ここで、ある中継装置で受信されるパケットに関して、いったん学習が行われた後に、当該中継装置の配下にある端末装置の状況（数や種類など）が変化したような場合には、例えば、再び、学習が行われてもよい。
また、本実施形態では、中継装置と処理装置とは別体であるが、他の例として、処理装置の機能の一部または全部が中継装置と一体化されてもよい。
なお、一般に、自由度が少なくシンプルな端末装置ほど、挙動が見やすい。挙動は、１種類であってもよく、２種類以上であってもよい。
例えば、ＩｏＴ機器では、パーソナルコンピュータ（ＰＣ）等と違い、ユーザの直接的な操作が少ない場合が多く、機器ごとに通信の宛先が限定的であるという性質、あるいは、通信周期が一定であるという性質がある。このため、ある周期ごとに、送信元ＭＡＣアドレス、宛先ＭＡＣアドレス、送信元ＩＰアドレス、宛先ＩＰアドレス、送信元ポート番号、宛先ポート番号に基づいて統計化処理されたパケット情報のみで、通信の特徴を表現することができる場合が多い。そして、これらの特徴を、機械学習を用いて学習することで、正常なＩｏＴ機器の挙動モデルを作成する。マルウェアに感染したＩｏＴ機器は、このモデルから逸脱した特徴を持つと考えられる。ここで、例えば、パケット数だけでなく、通信の宛先などについても特徴量として学習させることで、指令サーバとの少量通信についても、検知が可能となる。
例えば、ＩｏＴ機器では、パーソナルコンピュータ（ＰＣ）等と違い、ユーザの直接的な操作が少ない場合が多く、機器ごとに通信の宛先が限定的であるという性質、あるいは、通信周期が一定であるという性質がある。このため、ある周期ごとに、送信元ＭＡＣアドレス、宛先ＭＡＣアドレス、送信元ＩＰアドレス、宛先ＩＰアドレス、送信元ポート番号、宛先ポート番号に基づいて統計化処理されたパケット情報のみで、通信の特徴を表現することができる場合が多い。そして、これらの特徴を、機械学習を用いて学習することで、正常なＩｏＴ機器の挙動モデルを作成する。マルウェアに感染したＩｏＴ機器は、このモデルから逸脱した特徴を持つと考えられる。ここで、例えば、パケット数だけでなく、通信の宛先などについても特徴量として学習させることで、指令サーバとの少量通信についても、検知が可能となる。
機械学習以外の例として、機械学習の代わりに、人などによって作成されたプログラムをプロセッサーが実行することにより、推定（異常検知を含んでもよい。）などを行う構成が用いられてもよい。この構成では、例えば、中継装置によって取得された統計化情報が人などによって解析され、その結果に基づいて、異常検知などの所定の処理を行うプログラムが作成される。そして、当該プログラムが解析サーバ装置２２にインストールされて、解析サーバ装置２２において当該プログラムを実行することで、統計化情報について異常検知などを行う。当該プログラムでは、例えば、閾値を用いた異常の有無などの判定が含まれてもよい。また、当該プログラムでは、例えば、辞書期間における特徴の有無に応じた特徴量（例えば、０または１）に基づいてハミング距離を検出して、当該ハミング距離が所定の閾値を超える場合に異常を検知する判定などが含まれてもよい。
なお、以上に説明した任意の装置における任意の構成部の機能を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録し、そのプログラムをコンピュータシステムに読み込ませて実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、オペレーティングシステム（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）あるいは周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークあるいは電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワークあるいは電話回線等の通信回線のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイルであってもよい。差分ファイルは、差分プログラムと呼ばれてもよい。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイルであってもよい。差分ファイルは、差分プログラムと呼ばれてもよい。
以上に説明した任意の装置における任意の構成部の機能は、プロセッサーにより実現されてもよい。例えば、本実施形態における各処理は、プログラム等の情報に基づき動作するプロセッサーと、プログラム等の情報を記憶するコンピュータ読み取り可能な記録媒体により実現されてもよい。ここで、プロセッサーは、例えば、各部の機能が個別のハードウェアで実現されてもよく、あるいは、各部の機能が一体のハードウェアで実現されてもよい。例えば、プロセッサーはハードウェアを含み、当該ハードウェアは、デジタル信号を処理する回路およびアナログ信号を処理する回路のうちの少なくとも一方を含んでもよい。例えば、プロセッサーは、回路基板に実装された１または複数の回路装置、あるいは、１または複数の回路素子のうちの一方または両方を用いて、構成されてもよい。回路装置としてはＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などが用いられてもよく、回路素子としては抵抗あるいはキャパシターなどが用いられてもよい。
ここで、プロセッサーは、例えば、ＣＰＵであってもよい。ただし、プロセッサーは、ＣＰＵに限定されるものではなく、例えば、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、あるいは、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等のような、各種のプロセッサーが用いられてもよい。また、プロセッサーは、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）によるハードウェア回路であってもよい。また、プロセッサーは、例えば、複数のＣＰＵにより構成されていてもよく、あるいは、複数のＡＳＩＣによるハードウェア回路により構成されていてもよい。また、プロセッサーは、例えば、複数のＣＰＵと、複数のＡＳＩＣによるハードウェア回路と、の組み合わせにより構成されていてもよい。また、プロセッサーは、例えば、アナログ信号を処理するアンプ回路あるいはフィルター回路等のうちの１以上を含んでもよい。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
１…情報処理システム、１１…ホーム、２１…ホームゲートウェイ装置、２２…解析サーバ装置、２３…回線、３１…ルータ、４１～４３、５１～５３…端末装置、１１１、２１１…パケット入力部、１１２…パケット出力部、１１３…統計化処理部、１１４、２１７…記憶部、２１２…特徴検出部、２１３…学習部、２１４…推定部、２１５…異常検知部、２１６…通知部、１０１１、１１２１…統計化情報、１１１１…パケット情報
Claims (7)
- 中継装置と、処理装置と、を備え、
前記中継装置は、
１以上の端末装置から出力されるパケットを入力する第１入力部と、
前記第１入力部によって入力された所定の統計化期間におけるパケットに含まれる情報に基づいて、少なくとも前記パケットの発信元情報および発信先情報を含む対象情報について、所定の統計化処理を行う統計化処理部と、
前記統計化処理部によって行われた前記統計化処理の結果を含む統計化情報を前記処理装置に出力する第１出力部と、
を備え、
前記処理装置は、前記中継装置から出力された前記統計化情報を入力する第２入力部と、
前記第２入力部によって入力された第１期間における前記統計化情報に基づく推定手法を用いて、第２期間における前記統計化情報について所定の推定を行う推定部と、
を備え、
前記処理装置は、
前記第２入力部によって入力された前記第１期間における前記統計化情報に基づいて、機械学習により、前記推定手法を生成する学習部と、
前記第２入力部によって入力された第３期間における前記統計化情報に基づいて、前記統計化情報に関する特徴を検出する特徴検出部と、を備え、
前記学習部は、前記特徴検出部によって検出された前記特徴に関する情報が付加された前記統計化情報に基づいて、前記機械学習により、前記推定手法を生成し、
前記第３期間は、発生する通信のすべてを正常であるとみなして正常な通信を定義する期間であり、
前記第１期間は、発生する通信のすべてを正常であるとみなして学習を行う期間である、
情報処理システム。 - 前記第３期間の長さは、前記第１期間の長さ以下である、
請求項１に記載の情報処理システム。 - 前記特徴は、前記発信先情報の一部または全部を含む、
請求項１または請求項２に記載の情報処理システム。 - 前記発信元情報は、ＭＡＣアドレスと、ＩＰアドレスと、ポートのうちの１以上に関する情報を含み、
前記発信先情報は、ＭＡＣアドレスと、ＩＰアドレスと、ポートのうちの１以上に関する情報を含む、
請求項１から請求項３のいずれか１項に記載の情報処理システム。 - 前記統計化情報は、前記パケットに含まれる所定項目の情報が一致する前記パケットの数と、前記パケットに含まれる前記所定項目の情報が一致する前記パケットの長さの総和との一方または両方に関する情報を含む、
請求項１から請求項４のいずれか１項に記載の情報処理システム。 - 前記所定の推定は、異常の検知を含む、
請求項１から請求項５のいずれか１項に記載の情報処理システム。 - 中継装置は、
１以上の端末装置から出力されるパケットを入力し、
入力された所定の統計化期間におけるパケットに含まれる情報に基づいて、少なくとも前記パケットの発信元情報および発信先情報を含む対象情報について、所定の統計化処理を行い、
前記統計化処理の結果を含む統計化情報を処理装置に出力し、
前記処理装置は、
前記中継装置から出力された前記統計化情報を入力し、
入力された第１期間における前記統計化情報に基づく推定手法を用いて、第２期間における前記統計化情報について所定の推定を行い、
前記処理装置は、
入力された前記第１期間における前記統計化情報に基づいて、機械学習により、前記推定手法を生成する学習を行い、
入力された第３期間における前記統計化情報に基づいて、前記統計化情報に関する特徴を検出し、
前記学習では、検出された前記特徴に関する情報が付加された前記統計化情報に基づいて、前記機械学習により、前記推定手法を生成し、
前記第３期間は、発生する通信のすべてを正常であるとみなして正常な通信を定義する期間であり、
前記第１期間は、発生する通信のすべてを正常であるとみなして学習を行う期間である、
情報処理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019224756A JP7050042B2 (ja) | 2019-12-12 | 2019-12-12 | 情報処理システムおよび情報処理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019224756A JP7050042B2 (ja) | 2019-12-12 | 2019-12-12 | 情報処理システムおよび情報処理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021093689A JP2021093689A (ja) | 2021-06-17 |
| JP7050042B2 true JP7050042B2 (ja) | 2022-04-07 |
Family
ID=76310889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019224756A Active JP7050042B2 (ja) | 2019-12-12 | 2019-12-12 | 情報処理システムおよび情報処理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7050042B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7483664B2 (ja) | 2021-07-28 | 2024-05-15 | Kddi株式会社 | 通信解析システム、通信解析方法及びコンピュータプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019021294A (ja) | 2017-07-17 | 2019-02-07 | エーオー カスペルスキー ラボＡＯ Ｋａｓｐｅｒｓｋｙ Ｌａｂ | ＤＤｏＳ攻撃判定システムおよび方法 |
| JP2019102960A (ja) | 2017-12-01 | 2019-06-24 | 日本電信電話株式会社 | サイバー攻撃検知システム、特徴量選定システム、サイバー攻撃検知方法、及びプログラム |
| JP2019153894A (ja) | 2018-03-01 | 2019-09-12 | 日本電信電話株式会社 | 通信制御装置、通信制御方法および通信制御プログラム |
-
2019
- 2019-12-12 JP JP2019224756A patent/JP7050042B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019021294A (ja) | 2017-07-17 | 2019-02-07 | エーオー カスペルスキー ラボＡＯ Ｋａｓｐｅｒｓｋｙ Ｌａｂ | ＤＤｏＳ攻撃判定システムおよび方法 |
| JP2019102960A (ja) | 2017-12-01 | 2019-06-24 | 日本電信電話株式会社 | サイバー攻撃検知システム、特徴量選定システム、サイバー攻撃検知方法、及びプログラム |
| JP2019153894A (ja) | 2018-03-01 | 2019-09-12 | 日本電信電話株式会社 | 通信制御装置、通信制御方法および通信制御プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021093689A (ja) | 2021-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Perdisci et al. | Iotfinder: Efficient large-scale identification of iot devices via passive dns traffic analysis | |
| US11936764B1 (en) | Generating event streams based on application-layer events captured by remote capture agents | |
| US11711390B1 (en) | Techniques for data routing and management using risk classification and data sampling | |
| JP4479459B2 (ja) | パケット解析システム | |
| TWI648650B (zh) | 閘道裝置、其惡意網域與受駭主機的偵測方法及非暫態電腦可讀取媒體 | |
| US11057403B2 (en) | Suspicious packet detection device and suspicious packet detection method thereof | |
| US11777971B2 (en) | Bind shell attack detection | |
| US8074279B1 (en) | Detecting rogue access points in a computer network | |
| JP2006279930A (ja) | 不正アクセス検出方法及び装置、並びに不正アクセス遮断方法及び装置 | |
| US10574682B2 (en) | Latency-based detection of covert routing | |
| CN115398860A (zh) | 一种会话检测方法、装置、检测设备及计算机存储介质 | |
| US20220263846A1 (en) | METHODS FOR DETECTING A CYBERATTACK ON AN ELECTRONIC DEVICE, METHOD FOR OBTAINING A SUPERVISED RANDOM FOREST MODEL FOR DETECTING A DDoS ATTACK OR A BRUTE FORCE ATTACK, AND ELECTRONIC DEVICE CONFIGURED TO DETECT A CYBERATTACK ON ITSELF | |
| Shafiq et al. | [Retracted] Transfer Learning Auto‐Encoder Neural Networks for Anomaly Detection of DDoS Generating IoT Devices | |
| CN113452676A (zh) | 一种检测器分配方法和物联网检测*** | |
| JP7050042B2 (ja) | 情報処理システムおよび情報処理方法 | |
| US11050771B2 (en) | Information processing apparatus, communication inspecting method and medium | |
| JP7156642B2 (ja) | 同定処理装置、同定処理プログラム及び同定処理方法 | |
| JPWO2019043804A1 (ja) | ログ分析装置、ログ分析方法及びプログラム | |
| Yang et al. | Modelling Network Traffic and Exploiting Encrypted Packets to Detect Stepping-stone Intrusions. | |
| JP2019036865A (ja) | 通信解析装置、通信解析プログラム、及び通信解析方法 | |
| Okui et al. | Identification of an iot device model in the home domain using ipfix records | |
| US10528403B2 (en) | Adaptive event aggregation | |
| JP5820749B2 (ja) | 識別装置、識別方法および識別プログラム | |
| JP4777366B2 (ja) | ワーム対策プログラム、ワーム対策装置、ワーム対策方法 | |
| US11711382B2 (en) | Method and system of deducing state logic data within a distributed network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210817 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210825 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220126 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220315 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220328 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7050042 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |