説明可能なAIを用いたサイバーセキュリティのフレームワーク

• サイバー攻撃の進化が急速で、従来の侵入検知システムは解釈可能性に欠ける。
• 本研究では、CNNとSHAP、LIMEを組み合わせた新しい侵入検知フレームワークを提案する。
• 高い予測精度を持ちつつ、結果の説明可能性を提供する点が新しい。

近年、サイバー攻撃、特にDDoS攻撃の進化が急速であり、従来の侵入検知システムはその解釈可能性が不足しています。本論文では、CNNとSHAP、LIMEを組み合わせた新しいフレームワークXAI-IDSを提案し、DDoS攻撃を高精度で検出する手法を示します。このアプローチは、結果の透明性を提供し、信頼性を高めることに寄与します。サイバーセキュリティに関心のある研究者や実務者にとって、実用的な知見を提供する内容です。

サイバーセキュリティや機械学習に興味のある研究者や実務者に向いています。