エネルギー制約に加え、スケーラビリティ、およびブラックホール攻撃、グレーホール攻撃、フラッディング攻撃、スケジューリング攻撃を含む複数の悪意ある攻撃に対する脆弱性は、無線センサネットワークの展開を妨げる深刻な要因である。そこで本研究では、無線センサネットワーク向けの新たなトポロジー設計であるFlowerSecと、前述の欠点を設計上克服可能なAI強化型セキュリティ方式を提案する。センサネットワークは「花」からなる階層型トポロジーとして構成され、各「花」は中央の高リソースな「種」ノード（クラスタヘッド）と最大4個の「葉」ノードからなる。このトポロジー内に自然に形成されるセキュリティ境界と、省エネルギーなスリープモードの運用容易性を活用し、エネルギー損失を最小限に抑えつつ高い安全性を保証する方式を提案する。このため、軽量な教師ありAIベースの侵入検知システムを種ノードに配備する。上位8個のネットワーク特徴量のみを選択するSHAP特徴選択を組み込んだLightGBMベースのモデルは、実世界のWSN-DSデータセット（374,661件）において、最適なマクロF1スコア0.9494を達成した。クラスタヘッドにおける分類時間は1サンプル当たり0.0066ミリ秒であり、本手法が計算負荷の低い方式で、クラスタヘッドのようなリソース制約ノードでも実行可能であることを示した。さらに、教師ありエンジンを、正常トラフィックのみで学習した教師なしオートエンコーダで補完する。このオートエンコーダは、再構成損失に300倍超の差を生じさせて正常トラフィックを分離でき、AUC-ROCスコアは0.9819である。教師ありエンジンの信頼度が低いパケットを教師なしエンジンへ送り、限定的かつ小規模なエネルギーコストで未知の新規攻撃を検出する、信頼度ゲート型エスカレーションプロトコルを採用する。
https://doi.org/10.20944/preprints202609.0072.v1