CTDG-IDS：ネットワーク侵入検知のための連続時間動的グラフ表現学習

通信ネットワーク上の脅威を検出するために，ネットワーク侵入検知システム（NIDS）は，異なる攻撃行動の特定において良好な結果を達成してきた．しかし，機械学習（ML）ベースおよび深層学習（DL）ベースの手法は，ネットワークに内在するトポロジを無視している．実際の通信プロセスでは，エンティティ間で相互作用イベントが発生するとトポロジ関係が形成され，攻撃者はこのトポロジ関係の形成を回避できない．グラフ表現学習（GRL）ベースの手法はネットワークトポロジから有用な表現を学習するが，ネットワークフローの時間変化特性を無視している．しかし，ネットワーク通信は，動的に変化するネットワークトポロジと，エンティティ間の時間的相互作用とを組み合わせている．これらの情報を無視すると，複雑で変化のある攻撃行動に対応できない．

この問題に対処するため，ネットワーク侵入検知のための連続時間動的グラフ（CTDG）に基づく表現学習フレームワークCTDG-IDSを提案する．同フレームワークはネットワーク通信の性質を考慮する．提案手法はネットワークフローを連続時間の動的グラフへ変換する．次に，ノードの履歴状態を維持するためのメモリ更新機構を採用する．さらに，ノードのメモリ状態を強化するために超グラフを構築する．最後に，動的グラフ注意の変種（GATv2）集約方式を設計し，グローバルな時空間進化情報を抽出する．UNSW-NB15およびCIC-IDS2017データセットに対する実験結果は，本手法がさまざまな攻撃を有効に検出できることを示し，特に時空間行動に密接に関連する攻撃で効果が高いことを示している．

https://doi.org/10.21203/rs.3.rs-10874988/v1