GCNを使用したリスク推定によるマルウェア感染拡大の予測法

カテゴリ: 研究会(論文単位)

論文No: CMN21010

グループ名: 【C】電子・情報・システム部門 通信研究会

発行日: 2021/01/22

タイトル(英語): Prediction method of malware infection spreading with risk estimation using GCN

著者名: 宇野 克紀(関西大学),木村 共孝(同志社大学),平田 孝志(関西大学)

著者名(英語): Uno Katsuki(Kansai University),Kimura Tomotaka(Doshisha University),Hirata Kouji(Kansai University)

要約(日本語): この論文は、将来のボットネットマルウェアの流行モデルのためにグラフ畳み込みネットワーク（GCN）によるマルウェア感染拡大の推定方法を提案する。 GCNは、ネットワーク構造に畳み込み演算を適用する機械学習手法である。マルウェアの感染拡大は、ネットワーク構造と最初に感染したホストの次数よって異なる。提案手法は、GCNへの入力データとして使用されるネットワーク構造と感染状態に基づいて感染拡大レベルを推定する。本論文では、数値実験を通じて提案手法の有効性を示した。

要約(英語): This paper proposes a method for estimating the spread of malware infection by the Graph Convolutional Network (GCN) for a future model of botnet malware epidemics. GCN is a machine learning technique that applies convolution operations to network structures. The spread of malware depends on the network structure and the order of the first infected host. The proposed method estimates the level of spread based on the network structure and infection status used as input data to the GCN. In this paper, the effectiveness of the proposed method was shown through numerical experiments.

本誌: 2021年1月25・26日通信研究会

本誌掲載ページ: 53-56 p

原稿種別: 日本語

PDFファイルサイズ: 619 Kバイト