雑誌名 福井大学大学院工学研究科研究報告

ユーザのコマンド履歴を用いたAdaboostによる認証 手法改善の試み

著者 中田 明秀, 小高 知宏, 白井 治彦, 黒岩 丈介

雑誌名 福井大学大学院工学研究科研究報告

巻 63

ページ 87‑95

発行年 2015‑03

URL http://hdl.handle.net/10098/8764

福 井 大 学 大 学 院 工 学 研 究 科 研 究 報 告 第63巻2015年3月 Mem. Grad. Eng. Univ. Fukui, Vol. 63 (March 2015)

87

ユ ー ザ の コマ ン ド履 歴 を用 い たAdaboostに よ る認 証 手 法 改 善 の 試 み

中 田 明 秀* 小 高 知 宏* 白 井 治 彦** 黒 岩 丈 介***

Improvement of the Intrusion Detection Method Based on User Command History Using the Adaboost Machine Learning

Meta-algorithm Akihide NAKATA*

Haruhiko SHIRAI**

and Tomohiro ODAKA* , , Jousuke KUROIWA***

(Received February 6, 2015)

In this study,we investigate the new intrusion detection method with Adaboost machine learning meta-algorithm. Adaboost can be used to improve their performance conjuncting multiple weak descriminators. We construct 6 weak descriminators for user command history and we conjunct these weak discriminator with Adaboost. As a result of experiment,we found that it is improved intrusion detections with Adaboost.

Key words : Intrusion Detection,User Certification,Command Chain,Discriminator,ROC Curve

1.諸 言

私 た ち が コ ン ピ ュ ー タ な ど の 端 末 を 利 用 す る 際 ユ ー ザ 認 証 と呼 ば れ る 認 証 シ ス テ ム を 用 い る.ユ ー ザ 認 証 [1][2]には,パ ス ワ ー ド認 証,ICカ ー ドな ど の 所 有 物 を利 用 し た 認 証,生 体 認 証 と い っ た も の が あ る.こ れ らの 認 証 手 法 は,そ の ユ ー ザ が 正 当 な ユ ー ザ で あ る か ど うか を 確 認 す る た め に 用 い られ る.こ の 認 証 手 法 を 用 い る こ と で,利 用 者 が 正 しい ユ ー ザ で あ る か を判 断 し,ユ ー ザ が 安 全 に端 末 を使 用 で き る よ う にす る だ け で な く,他 の ユ ー ザ に 不 正 に 利 用 され る の を 防 ぐた め の も の と し て 用 い られ て い る.

しか し,ユ ー ザ 認 証 は,一 般 的 に は そ の 端 末 の 利 用 を

・大 学 院 工 学 研 究 科 原 子 力 ・エ ネ ル ギ ー 安 全 工 学 専 攻

**工 学 部 技 術 部

***大 学 院 工 学 研 究 科 知 能 シ ス テ ム 工 学 専 攻

*Nuclear Power and Energy Safety Engineering Course , Graduate School of Engineering

**Dept . of Technical, Dept. Engineering

***Human and Artificial Intelligent Systems Course , Graduate School of Engineering

開 始 す る 際 に し か 用 い られ て い な い と い う問 題 点 が あ る.例 え ぼ,パ ス ワ ー ドで あ れ ぼ 認 証 情 報 の 解 析 や 盗 聴 に よ り,必 要 と な る 情 報 が 漏 洩 して し ま う可 能 性 が 考 え ら れ る.こ う い っ た 事 態 が 起 きて し ま う と,不 正 な 利 用 者 に よ って 悪 用 され,結 果 的 に 利 用 者 が 不 当 な 被 害 を被 る こ と に な る恐 れ が あ る.ま た,端 末 そ の も の が 誤 っ て 不 正 な 利 用 者 を誤 認 し て し ま う と い っ た こ と も 考 え ら れ る.こ うい っ た 場 面 を想 定 して,再 度 正 しい ユ ー ザ か を確 認 す る よ うな 認 証 手 法 が 望 ま し い と考 え られ る が, 一 度 認 証 さ れ た ユ ー ザ に つ い て は 再 確 認 を 求 め る ケ ー ス が 少 な い と い う の も 現 状 で あ る.

そ こで,本 研 究 で は従 来 の 認 証 シ ス テ ム の 問 題 点 の 解 決 策 と して,ユ ー ザ が 入 力 した コ マ ン ド履 歴 の 情 報 を認 証 手 法 に 用 い る こ と に し た.こ の 手 法 で は,ま ず ユ ー ザ の 特 徴 を 学 習 す る た め に,事 前 に 入 力 が あ っ た コ マ ン ド 履 歴 の 情 報 か ら,各 ユ ー ザ ご と に モ デ ル を構 築 す る.次

に,後 か ら入 力 さ れ た コマ ン ド履 歴 の 情 報 に つ い て も 同 様 に して,モ デ ル を構 築 す る.こ の2つ の モ デ ル を 比 較 し た結 果,ど の程 度 類 似 して い る か に よ って 認 証 を行 う.

こ の 認 証 手 法 で あ る が,モ デ ル の 比 較 の 仕 方 は 千 差 万 別 で あ り,ま た 最 適 と思 わ れ る 解 析 手 法 が あ ま りな い こ と

88

か ら,一 つ の 手 法 だ け を 用 い た 認 証 手 法 で は,あ ま り信 頼 で き る 結 果 に な ら な い と考 え る.

そ こ で,複 数 の 手 法 を 組 み 合 わ せ る こ とで,よ り正 確 な 認 証 結 果 を得 る た め の 方 法 と してAdaboost[3][4][5]と い う機 械 学 習 を 用 い る こ と に し た.こ れ に よ り,そ れ ぞ れ の手 法 とAdaboostに よ り学 習 した 結 果 とを 比 較 して, ど の 程 度,認 証 精 度 が 上 が る の か を み る こ と に し た.そ の 結 果,Adaboostを 用 い た 方 が 手 法 を組 み 合 わ せ る前 よ

りも 正 し い ユ ー ザ か 侵 入 者 ユ ー ザ か を よ り正 し く認 識 で き る よ う に な っ た.ま た,本 研 究 で 行 っ た 手 法 全 体 に つ い て も評 価 した と こ ろ,誤 認 識 率 を下 げ る こ とに つ な が る と い う結 果 に な っ た.

以 下,本 論 文 の 流 れ は 次 の と お りで あ る.第2章 で は,コ マ ン ド履 歴 を 用 い た 認 証 の 具 体 的 な 流 れ に つ い て 紹 介 し,そ こで 必 要 とな る解 析 手 法 に つ い て の 内 容 及 び,Adaboostそ の も の に つ い て 説 明 す る.第3章 で,本 研 究 で 用 い た コ マ ン ドデ ー タで あ るSchonlauデ ー タ の 特 徴 及 び,コ マ ン ド履 歴 の 解 析 方 法 に つ い て 示 す.第4 章 で 本 研 究 の 実 験 結 果 に よ り,各 手 法 及 びAdaboostに よ る結 果 と 全 体 と し て の 認 証 結 果 に つ い て 触 れ る.そ し て,第5章 で 考 察 を行 い,第6章 で 本 論 文 の ま とめ を 行 う.

2.コ マ ン ド履 歴 を用 い た 認 証 手 法 と解 析 手 法 に つ い て

2.1コ マ ン ド履 歴 を 用 い た 認 証 手 法

こ こ で,本 研 究 で 用 い た コマ ン ド履 歴 に よ る認 証 手 法 の 仕 組 み に つ い て 示 す.コ マ ン ド履 歴 の 情 報 を 認 証 手 法 と して 用 い る た め に は,そ の ユ ー ザ の 情 報 を解 析 す る こ とに よ っ て 特 徴 化 す る こ とが 必 要 に な る.そ こ で 本 研 究 で は,図1の よ う に して,モ デ ル を 構 築 す る こ とで 比 較 を 行 っ た.

まず,学 習 モ デ ル の 構築 と して,正 当 な ユ ー ザ が 入 力 し た す べ て の コ マ ン ド履 歴 の情 報 を用 い て 学 習 を行 う.

こ こ で は,ユ ー ザ が 入 力 した コ マ ン ドの 種 類 や 出 現 頻 度, 前 後 関 係 とい っ た も の を 学 習 させ る.こ れ を 学 習 モ デ ル と定 義 し,の ち に構築 さ れ た検 査 モ デ ル と の 比 較 に 用 い る.

次 に,学 習 モ デ ル に よ る 十 分 な 学 習 が 終 わ っ た ら,検 査 モ デ ル の 構築 に 入 る.こ ち ら も 先 ほ ど と 同 様 に して, ユ ー ザ が 入 力 し た コ マ ン ド履 歴 の 特 徴 を 元 に モ デ ル の 構 築 を 行 うが,先 ほ ど と は 異 な り,正 当 な ユ ー ザ に よ る も の だ け で は な く,侵 入 者 ユ ー ザ の モ デ ル も構 築 す る.

こ こで 構築 し た も の を 検 査 モ デ ル と い う形 で 表 す.

こ こ で,学 習 モ デ ル と検 査 モ デ ル を 元 に,そ の ユ ー ザ が 同 一 の ユ ー ザ で あ る か ど う か の 比 較 を 行 う.比 較 に は,2.2で 紹 介 す る 判 別 手 法 に基 づ い て 評 価 を 行 い,そ の

図1:コ マ ン ド履 歴 に よ る認 証 手 法 の 仕 組 み

差 異 が ど の 程 度 の も の で あ っ た か に よ って 正 当 な ユ ー ザ か 侵 入 者 ユ ー ザ か ど う か を判 断 す る.一 般 的 に は,正 当 な ユ ー ザ で あ れ ぼ,学 習 モ デ ル に 近 い 検 査 モ デ ル が 構 築 さ れ る た め,正 しい ユ ー ザ で あ る と認 証 さ れ や す くな る.一 方 で,侵 入 者 ユ ー ザ で あ れ ぼ,学 習 モ デ ル と は 異 な る検 査 モ デ ル が 構 築 さ れ る こ と で,侵 入 者 ユ ー ザ で あ る と み な し拒 否 さ れ や す くな る.こ の よ う な 形 で コ マ ン ド履 歴 を 用 い た 認 証 を行 う.

コ マ ン ド履 歴 は,そ の情 報 の解 析 の仕 方 に よ って,様 々 な 見 方 が 出 来 る こ とか ら,多 くの 判 別 手 法 を考 え る こ と が で き る とい っ た 利 点 が あ る.し か し,そ れ ぞ れ の 判 別 手 法 に は 利 点 や 欠 点 が あ る た め,1つ の 手 法 だ け で は あ ま り正 確 な 結 果 が 出 な い と思 わ れ る.そ こで,本 研 究 で はAdaboostと い う手 法 を用 い る こ と に よ り,複 数 の 手 法 を 組 み 合 わ せ る こ とで 総 合 的 な 認 証 評 価 を行 う こ と

に した.

Adaboostは 機 械 学 習 ア ル ゴ リズ ム の 一 種 で,与 え ら れ た い くつ か の 学 習 ア ル ゴ リズ ム を 識 別 器 と して,複 数 の 識 別 器 と組 み 合 わ せ て 用 い る こ とで,そ の 手 法 の 精 度 を改 善 す る こ とが で き る.こ の ア ル ゴ リズ ム は,そ れ ぞ れ の 識 別 器 が 正 解 した か ど うか を判 断 し,最 終 的 に は重 み と い う形 で 評 価 す る.具 体 的 に は 識 別 器 が 正 し く判 断 した も の は重 み が 小 さ く,間 違 って 判 断 した も の は重 み が 大 き くな る よ う に 更 新 す る.こ の 重 み の 違 い を 利 用 して,そ れ ぞ れ の デ ー タ ご と に正 し い 選 択 が さ れ る よ

う な 強 識 別 器 を 構 築 して,最 終 的 な認 証 評 価 を行 う.

本 研 究 で 用 い る場 合,コ マ ン ド履 歴 の デ ー タ を用 い た 比 較 手 法 を 識 別 器 と し て 比 較 に 用 い る こ と に し た.

Adaboostに 基 づ い て 複 数 の 識 別 器 を組 み 合 わ せ る こ と で よ り強 力 な 識 別 器 を構 築 し,認 証 の 精 度 を 改 善 す る こ

と を 本 研 究 の 目的 と した.

2.2Ad的oostに 用 い た 識 別 器 に つ い て

2.1で は 本 研 究 で 用 い た 学 習 ア ル ゴ リズ ム と してAd‑

aboostを 取 り上 げ た が,こ の 手 法 を 用 い る た め に は 識 別

器 を複 数 用 意 す る必 要 が あ る.こ の 識 別 器 の 一 つ 一 つ は あ ま り精 度 の 良 い も の で は な い た め,こ れ らの 識 別 器 を 弱 識 別 器 と呼 ぶ.こ こ で,弱 識 別 器 を構 成 す る た め に用 い た 解 析 手 法 と して,主 に コ マ ン ドの ヒ ッ ト率,COS類 似 度,及 びTF‑IDFの3つ の 手 法 を 取 り上 げ た.

2.2.1コ マ ン ドの ヒ ッ ト率

コマ ン ドの ヒ ッ ト率 で は,コ マ ン ド履 歴 に 基 づ い て 構 築 さ れ た2つ の モ デ ル を比 較 し,一 致 した コ マ ン ドの 割 合 を 求 め る.こ れ は,検 査 モ デ ル に現 れ た コ マ ン ドが 学 習 モ デ ル に ど れ だ け 含 ま れ て い た か で 評 価 を行 う手 法 で あ る.コ マ ン ド履 歴 を用 い て 構 築 さ れ た モ デ ル に つ い て,学 習 モ デ ル,検 査 モ デ ル に 含 まれ る コマ ン ドの 総 数 を そ れ ぞ れ η(X),η(y)と す る.こ の と き,2つ の モ デ ル に 共 通 し て 現 れ る コ マ ン ドの 総 数 は η(X∩y)で あ る か ら,コ マ ン ドの ヒ ッ ト率 はP(Xly)と な り,式(1) に基 づ い て 求 め る こ とが で き る.

本 研 究 で 用 い た コ マ ン ド履 歴 に つ い て は3章 で 紹 介 す る が,こ の情 報 を 用 い て 構 築 さ れ る学 習 モ デ ル に は各 ユ ー ザ ご と に 比 較 的 出 現 し や す い コ マ ン ドが あ る こ と が 分 か って い る.ま た,入 力 コ マ ン ドの 性 質 上,出 現 頻 度 の 高 い コ マ ン ドで あ って も,一 部 の 区 間 で 大 量 に そ の コ マ ン ドが現 れ る こ とは 少 な く,あ る 程 度 一 定 の 頻 度 で 現 れ や す い.そ の た め,学 習 モ デ ル に比 べ て デ ー タ量 の 少 な い検 査 モ デ ル で あ って も,学 習 モ デ ル で 出 現 頻 度 の 高 か っ た コ マ ン ドが 現 れ や す い と考 え られ る た め,検 査 モ デ ル と学 習 モ デ ル が 同 一 の ユ ー ザ の も の で あ れ ば,高 い 割 合 を 示 す 傾 向 が あ る.

2.2.2COS類 似 度

COS類 似 度[8]は,文 書 中 に 現 れ た 単 語 を 用 い て2つ の 文 書 の 類 似 度 を 計 る 尺 度 と して よ く用 い ら れ る 手 法 で あ る.こ こ で は,学 習 モ デ ル に現 れ た 各 コ マ ン ドが,検 査 モ デ ル に お い て も 同 頻 度 あ る い は そ れ に 近 い 頻 度 で 現 れ るで あ ろ う とい う こ とに 着 目 した.本 研 究 で は ユ ー ザ が 入 力 した コ マ ン ド履 歴 中 に 含 まれ る コマ ン ドを単 語 の 代 わ り と して 比 較 に 用 い る こ と に し た.コ マ ン ド は,文 書 に 例 え る と,本 文 中 に 含 ま れ る 単 語 に相 当 す る と考 え られ る こ と か ら,こ の 手 法 を 用 い る こ とが 出 来 る と考 え る.

学 習 モ デ ル に 含 ま れ る各 コ マ ン ドの 要 素,検 査 モ デ ル に含 ま れ る コマ ン ドの 要 素 を そ れ ぞ れ マ,ブ と し,各 コ マ ン ドの 出 現 頻 度 を ∬。,ッ、と表 し た 時 のCOS類 似 度 は,

式(2)の よ う に して 表 さ れ る.こ の 値 が1に 近 い ほ ど類 似 性 が 高 く,0に 近 い ほ ど類 似 性 が 低 い こ と を意 味 し て お り,類 似 性 が 高 い ほ ど同 一 の ユ ー ザ で あ る 可 能 性 が 高 い と考 え ら れ る.こ れ を利 用 し て 正 当 な ユ ー ザ か 別 の ユ ー ザ か を 判 別 す る こ と が で き る と考 え られ る.

89

2.2.3TF・IDF

TF‑IDF[9]は 情 報 探 索 で よ く 利 用 さ れ る 重 み 付 け 手 法 の 一 つ で あ る.こ の 手 法 は い く つ か の 文 書 が 与 え ら れ た 時 に そ れ ぞ れ の 文 書 を 特 徴 づ け て い る 単 語 を 高 く評 価 す る の に 用 い ら れ る 手 法 で あ る.

TF‑IDFは 出 現 頻 度 げ(termfrequency)と 逆 文 書 頻 度 乞ガ(inversedocumentfrequency)の 積 で 式(3)の よ う に 表 さ れ る.げ と は,そ の 文 書 うに お け る コ マ ン ド ηα の 出 現 回 数 を,そ の 文 書 中 の 単 語 の 総 数 で 割 っ た も の で あ る.一 方,乞げ は,IDIは 文 書 の 総 数,1{4:4ヨ ηα}1は コ マ ン ド ηα を 含 ん で い る ユ ー ザ 数 を 表 し て お り,コ マ ン ド ηα の 希 少 性 を 表 し て い る.

こ れ は あ る コ マ ン ド η。が 文 書 に 現 れ る頻 度(文 書 頻 度)dfの 逆 数 を と っ て お り,他 の 文 書 に は 現 れ に くい よ

う な 単 語 は 高 く評 価 さ れ る.一 方 で,一 般 的 に現 れ る単 語 に つ い て は低 く評 価 され る.そ の た め,TF‑IDFは 他 の 文 書 に は現 れ に くい 単 語 で か つ,そ の 文 書 中 に お け る 出 現 頻 度 が 高 い と よ い と さ れ る.

コ マ ン ド履 歴 に つ い て も,同 様 な 性 質 が あ る こ と が 考 え た た め,本 研 究 で は,文 書 を コ マ ン ド履 歴,単 語 を コ マ ン ド履 歴 中 の コ マ ン ドに 置 き換 え て こ の 手 法 に つ い て も用 い る こ とに した.し か し,TF‑IDFは 文 書 の 各 単 語 に つ い て 重 み づ け を 行 う も の で あ り,こ の 手 法 を 用 い た だ け で は,ユ ー ザ の 判 別 は で き な い.そ こ で 本 研 究 で は,TF‑IDFに よ り各 単 語 に つ い て 重 み 付 け を 行 っ た 後,COS類 似 度 と合 わ せ て 用 い て,ユ ー ザ の 判 別 を 行 う

こ と に し た.

2.3Ad紐boost

Adaboostは 弱 識 別 器 の 結 果 を組 み 合 わ せ る こ とで,強 識 別 器 を 生 成 す る こ とが で き る と い う こ と を2.1で 述 べ た.こ こ で は,Adaboostに よ り,ど の よ う に して 学 習 が 行 わ れ,強 識 別 器 が 生 成 さ れ る の か に つ い て 示 す.

まず,Adaboostを 用 い る前 に,な ん らか の 手 法 に よ り 良 し悪 し を 判 別 出 来 る 弱 識 別 器 をM個 用 意 す る.こ の 弱 識 別 器 に つ い て,正 解 し た か ど う か を 値 と して 返 す

よ う に し,正 解 で あ れ ば1,誤 り で あ れ ぼ 一1を 返 す 関 数 を!ん(の={1,‑1}の よ う に 表 す こ と に す る.こ れ を 与 え ら れ た1個 の デ ー タ に つ い て,以 下 の よ う に し て Adaboostに よ り 学 習 を 行 う.重 み の 初 期 値 と し て,比 較 を 行 う デ ー タ に つ い て 同 じ 重 み を 式(4)の よ う に し て 与 え る.

重 み の 値 は 弱 識 別 器 が 選 択 さ れ る 度 に 重 み の 更 新 が 行 わ れ,丁 回 の 学 習 を経 て,誤 って 判 断 さ れ や す い デ ー タ を検 出 し,正 し い 選 択 が さ れ る よ うに 学 習 が 行 わ れ る.

次 に,坦 ≦ 孟≦T)回 め の 学 習 と して,用 意 したM個 の 弱 識 別 器 か ら,最 も エ ラ ー が 少 な い 弱 識 別 器 傷 を 選 択 す る.こ の と き,エ ラ ー 率 εオは,誤 り と 判 断 さ れ た デ ー タ の 重 み の 総 和 で あ り,式(5)の よ うに して 求 め る こ と が 出 来 る.

次 に,選 択 さ れ た 弱 識 別 器 を 用 い て,そ の 識 別 器 が ど れ だ け 正 し く判 断 され た か を信 頼 率 斑 と言 う形 で 表 す.

こ の値 は,先 ほ ど求 め た 式(5)を 用 い て,αオを 式(6)の よ う に して 求 め られ る.亀 で あ る が,こ の 値 が0.5を 越 え て し ま う と,αオの 値 が 負 の値 とな っ て し ま い,正 しい 学 習 が 出 来 な く こ と に 気 を つ け る.

こ こ で,αオの値 を 用 い て,孟回 目 の 重 み の 更 新 が 行 わ れ る.式(6)で 求 め た 鋭 の値 を用 い る こ と に よ り,重 み を 更 新 した 値 φ+1が 式(7)に よ り求 め ら れ る.こ の 式 か ら,正 しい と判 断 され た デ ー タ に つ い て は{一 αポ瓶(の}

の 値 が 負 に な る た め,重 み の 更 新 が 行 わ れ る 前 よ りも重 み の 値 が 小 さ くな る.一 方 で,誤 りで あ る と判 断 さ れ た デ ー タ に つ い て は 重 み が 大 き くな る よ う に 更 新 が 変 化 す る.

し か し,式(7)に よ る 重 み の 更 新 を 行 っ た 場 合,重 み の 合 計 し た 値 が1に な ら な くな っ て し ま う.そ こ で,式 (8)に よ り,重 み の 総 和 が1に な る よ う に 正 規 化 が 行 わ れ る.こ れ に よ り,オ回 め の 重 み の 更 新 が 完 了 す る.

これ を 式(5)〜(8)に よ り 丁 回 学 習 を繰 り返 す こ とで, 誤 りの デ ー タ の 重 み の 比 重 が 大 き くな り,精 度 の 良 い 弱 識 別 器 が 選 ぼ れ や す くな る よ う に 学 習 が 行 わ れ る.

最 後 に,す べ て の 弱 識 別 器 の 結 果 を考 慮 した 強 識 別 器

を生 成 す る.こ の 強 識 別 器 は,比 較 に 用 い た デ ー タ と各 学 習 に よ り選 択 さ れ た 弱 識 別 器 の 信 頼 率 を 掛 け 合 わ せ た も の の 総 和 が0を 超 え た か ど うか に よ り,1ま た は一1

を返 した も の で あ る.そ の た め,こ の 値 が 正 か 負 か ど う か で 強 識 別 器 に よ る 最 終 的 な 判 別 が 行 わ れ,式(9)の よ う に 表 さ れ る.式(9)は,最 も精 度 が 良 い と され た 弱 識 別 器 の 結 果 を掛 け合 わ せ た も の で あ る た め,個 々 の 弱 識 別 器 よ りも 精 度 の 高 い 真 偽 結 果 が 得 られ る と考 え られ る の で あ る.上 記 の 内容 を ま とめ る と,図2の よ うな ア ル ゴ リズ ム で 表 さ れ る.

3.実 験 方 法

3.1実 験 に 用 い た コ マ ン ド履 歴 に つ い て

コマ ン ド履 歴 を用 い て 認 証 を 行 うた め に は,ユ ー ザ の 学 習 モ デ ル と検 査 モ デ ル を 構築 し,比 較 を行 う必 要 が あ る こ と を 第2章 で 述 べ た.こ こ で,2つ の モ デ ル を構 築 す る た め に は,複 数 の ユ ー ザ か らデ ー タ の 収 集 を行 うだ け で な く,大 量 の コ マ ン ドデ ー タ を扱 っ た 長 期 的 な デ ー タ が 必 要 で あ る.

しか し,ユ ー ザ に よ っ て は コマ ン ドの 種 類 や 入 力 の 頻 度,コ ン ピ ュ ー タ の 利 用 状 況 等 も異 な る た め,す べ て の コ マ ン ドデ ー タ を 収 集 した と して も 十 分 な 実 験 結 果 が 得 られ な い 可 能 性 も 考 え られ る.そ う考 え る と,本 研 究 で の 良 し悪 し を 評 価 す る た め は,他 の 研 究 で も用 い られ て い る よ うな コ マ ン ドデ ー タ を用 い る こ とが 望 ま し い

と い え る.

そ こ で,本 研 究 で は 共 通 の コ マ ン ドデ ー タ と して,一 般 的 に 公 開 さ れ て い るMatthiasSchonlau[6][7]が 紹 介 し て い る コ マ ン ドデ ー タ を用 い た.こ の デ ー タ は50人 分 の コ マ ン ドデ ー タ に つ い て 同 じ量 の コ マ ン ドデ ー タ が 用 意 され て お り,モ デ ル を構築 した 際 の デ ー タ の情 報 量

の 差 が 少 な く,研 究 を 行 う の に 適 し た デ ー タ で あ る と 思 わ れ る.以 下,こ の デ ー タ をSchonlauデ ー タ と 呼 ぶ こ と に し て,本 研 究 で 取 り 扱 う こ と と し た.

3.2Schonl紐uデ ー タ の 特 徴

公 開 用 の コ マ ン ドデ ー タ の 例 と し て,本 研 究 で は Schonlauデ ー タ を 取 り上 げ た が,一 般 的 に 次 の よ う な 特 徴 が あ る こ と が 分 か っ て い る.Schonlauデ ー タ は50 人 の ユ ー ザ に つ い て 各15000個 の コ マ ン ドが 用 意 さ れ て い る.こ の うち,初 め の5000個 の コ マ ン ドデ ー タ が 学 習 用 の デ ー タ で あ り,残 りの10000個 の コマ ン ドデ ー タ が 比 較 用 の デ ー タ とな っ て い る.本 研 究 で は,前 者 を 学 習 デ ー タ,後 者 を検 査 デ ー タ と呼 ぶ こ と に す る.

こ の コ マ ン ドデ ー タで は 正 当 な ユ ー ザ が 入 力 した コ マ ン ドの み で 構 成 さ れ た コ マ ン ドデ ー タ とな っ て い る.

学 習 デ ー タ に つ い て は 正 当 な ユ ー ザ の モ デ ル を 構 築 す る た め の コマ ン ドデ ー タ で あ る た め,侵 入 者 ユ ー ザ が 入 力 した コ マ ン ドが 入 力 さ れ て い る こ と は な い.

一 方,検 査 デ ー タ で は,入 力 さ れ た コ マ ン ドデ ー タ が 正 当 な ユ ー ザ の も の か ど う か を テ ス トす る た め の デ ー タ で あ る.こ の コ マ ン ドデ ー タ に つ い て は,100個 の コ マ ン ドデ ー タ を1セ ッ シ ョ ン と し た 基 本 単 位 で 構 成 さ れ て お り,合 計100の セ ッ シ ョ ン で 成 り立 っ て い る.1 セ ッシ ョン と は,そ の ユ ー ザ が 端 末 に ロ グ イ ン して か ら ロ グ ア ウ トす る まで に 入 力 され る コ マ ン ドの 量 と こ こ で は 考 え る こ と に す る.1つ1つ の セ ッシ ョ ン に含 ま れ る コ マ ン ドデ ー タ を セ ッ シ ョ ン デ ー タ と呼 ぶ こ と に す る.

この セ ッ シ ョ ン デ ー タ で あ る が,セ ッ シ ョ ンの 途 中 で ユ ー ザ が 変 わ る と い う こ と は な く,基 本 的 に は 正 当 な ユ ー ザ の セ ッ シ ョ ン で 構 成 さ れ て い る.し か し,一 部 の セ ッ シ ョン に お い て 正 当 な ユ ー ザ の も の と は 異 な る セ ッ シ ョ ンデ ー タ に 入 れ 替 え られ て い る 可 能 性 が あ り,そ の セ ッ シ ョ ン に 関 して は 連 続 して 現 れ や す い と い っ た 性 質 も あ る.

本 来 は,侵 入 者 ユ ー ザ が 正 当 な ユ ー ザ に な りす ま して 入 力 す る た め,そ の コ マ ン ド履 歴 は も っ と悪 質 な も の で あ る.そ の た め,別 の ユ ー ザ の も の と入 れ 替 え た デ ー タ で は,本 当 の 意 味 で の侵 入 者 の ユ ー ザ の セ ッ シ ョ ンデ ー タ と は趣 旨 が 異 な る.し か し,別 の ユ ー ザ の セ ッ シ ョ ン デ ー タ と入 れ 替 わ っ て い るだ け で あ って も,正 当 な ユ ー ザ か ど う か を 区 別 す る とい う点 に お い て は何 ら変 わ り は な い は ず で あ る.そ こ で,本 研 究 で は 入 れ 替 え られ た セ ッ シ ョン を侵 入 者 セ ッシ ョンで あ る と見 な して 実 験 を 行 う こ と に し た.上 記 の 内 容 を ま と め る と,表1の よ う に してSchonlauデ ー タが 構 成 さ れ て い る こ とが 分 か る.

91

表1:Schonlauデ ー タ の 構 成 ユ ー ザ 数

名 称 コマ ン ド数 セ ッ シ ョ ン セ ツ シ ョ ン 数

特徴

50人 学 習 デ ー タ 5000

な し

す べ て 同 じユ ー ザ の コ マ ン ド デ ー タ

検 査 デ ー タ 10000 あ り 100

侵 入 者 の セ ッ シ ョ ン を 一 部 含 む コ マ ン ドデ ー タ

表2:弱 識 別 器 の6つ の 手 法 の 内訳

method1 method2 method3 method4 method5 method6

1コ マ ン ド に よ る コ マ ン ド の ヒ ッ ト率 1コ マ ン ドに よ るCOS類 似 度 1コ マ ン ド に よ るTF‑IDF

2コ マ ン ドの 連 鎖 に よ る コ マ ン ドの ヒ ッ ト率 2コ マ ン ドの 連 鎖 に よ るCOS類 似 度

2コ マ ン ド の 連 鎖 に よ るTF‑IDF

3.3コ マ ン ド履 歴 を 用 い た 比 較 方 法 に つ い て

次 に,Schonlauデ ー タ を用 い て,学 習 デ ー タ の コ マ ン ド履 歴 と セ ッ シ ョ ン デ ー タ の コ マ ン ド履 歴 を比 較 す る 方 法 に つ い て示 す.Schonlauデ ー タ を用 い て の学 習 デ ー タ とセ ッ シ ョ ン デ ー タ の 比 較 方 法 で あ る が,本 研 究 で は 1コ マ ン ドに よ る場 合 と連 続 し た2コ マ ン ドの 連 鎖 に よ る 場 合 の2つ の パ タ ー ン を 考 慮 す る こ と に した.こ れ は,1つ1つ の コ マ ン ドを 見 て 比 較 して い く よ りも,コ マ ン ドの 前 後 関 係 を 考 慮 した 方 が,よ り細 か い ユ ー ザ の 特 徴 を検 出 で き,結 果 が 良 くな る の で は な い か と考 え た か らで あ る.ま た,解 析 手 法 に つ い て は 第2章 で 述 べ た, コ マ ン ドの ヒ ッ ト率 ,COS類 似度TF‑IDFの3つ の 手 法 に つ い て 行 っ て お り,こ れ らの 組 み 合 わ せ か ら な る 計6 つ の 手 法 をAdaboostに 用 い る弱 識 別 器 と して 扱 う こ と

に した(表2).

こ こ で は,あ る ユ ー ザ の 学 習 デ ー タ の コ マ ン ドデ ー タ が 図3の よ うに 構 成 さ れ て い た 場 合 に つ い てCOS類 似 度 を 用 い て 比 較 を行 う場 合 の 例 に つ い て 示 す.こ の コ マ ン ドデ ー タ は 入 力 され た コマ ン ドの 順 に 記 録 さ れ て い る も の で あ るが,同 じ種 類 の コ マ ン ドが 複 数 回 に 渡 っ て 入 力 され て い る場 合 も あ る.そ こ で,学 習 モ デ ル の 情 報 量 を な る べ く少 な くす る た め に,複 数 回 表 れ た コマ ン

ドは1回 だ け表 記 す る よ う に し,図3の よ うに 書 き換 え る こ と に す る.こ れ を 出 現 頻 度 表 と呼 ぶ こ と に す る.

次 に,先 ほ ど構 築 し た 学 習 モ デ ル を 用 い て 比 較 を行

が,コ マ ン ド連 鎖 の 場 合 は必 ず 元 の コ マ ン ドの 数 よ りも 1つ 少 な くな る こ と に注 意 す る.

そ して,コ マ ン ドの 連 鎖 の 場 合 に お い て も 同 様 に して, 図6の よ う に し て 書 き換 え を 行 っ た コ マ ン ド連 鎖 の 遷 移 確 率 表 を 生 成 し,比 較 に 用 い た.こ れ を 学 習 モ デ ル,検 査 モ デ ル と も に 構 築 し,比 較 を行 っ た.

う場 合 に つ い て 考 え る.検 査 モ デ ル の 出 現 頻 度 表 に つ い て も,同 様 に して 出 現 頻 度 表 を 作 成 す る.例 え ぼ,学 習 モ デ ル と検 査 モ デ ル の2つ の モ デ ル を用 い てCOS類 似 度 を 求 め る場 合,次 の よ う に して 行 う.こ こ で は,2つ の 出 現 頻 度 表 を ま とめ た も の を 図4の よ う に して 表 し, 比 較 に用 い た.こ の 場 合,学 習 モ デ ル と検 査 モ デ ル に共 通 して 現 れ た コ マ ン ドはXsession,sed,grepな どで あ り, 片 方 の モ デ ル に現 れ な か った コマ ン ドと してunameや fvwmな どが あ っ た とす る.こ こで,2.2の 式2に よ り,学

習 モ デ ル に 現 れ た コ マ ン ドを マ,検 査 モ デ ル に 現 れ た コ マ ン ドを ブ とす る と,類 似 度 は 約0.685と な る.こ の 値 が 各 手 法 ご と に任 意 に設 定 した 閾 値 に よ り,閾 値 を 上 回 る 類 似 度 の 値 が 得 られ れ ば 正 し い ユ ー ザ と して 判 断 さ れ る と い う こ と に な る.

コ マ ン ド連 鎖 に よ る 解 析 手 法 に つ い て も,先 ほ ど と 同 様 に して 解 析 を 行 う こ と が 出 来 る.コ マ ン ド連 鎖 の 場 合,図5の よ うに 前 後 の2つ の コマ ン ドを 組 に して 構 成 され る.こ の 例 で 入 力 さ れ た コ マ ン ドは10個 で あ る

4.実 験 結 果

4.1各 弱 識 別 器 に よ る 結 果

本 研 究 の 実 験 結 果 と し て,ま ず6つ の 弱 識 別 器 に よ る結 果 に つ い て 示 す.そ の 結 果,大 き く分 け て2つ の パ タ ー ンの 結 果 が 見 ら れ た.図7や 図8は 対 象 と な っ た ユ ー ザ に つ い て の 結 果 を 示 し て お り,横 軸 は 検 査 デ ー タ の100つ の セ ッ シ ョ ン,縦 軸 は そ の セ ッシ ョン に お い て,3.3の 表2の そ れ ぞ れ の 手 法 に よ る 結 果 に つ い て 示 す.

一 つ は

,図7の よ う に6つ の 手 法 す べ て に お い て,一 部 の セ ッ シ ョ ンで 値 が 急 激 に 低 く な る と い う顕 著 な 結 果 が 得 られ た.こ の グ ラ フ か らセ ッ シ ョ ン28〜40に か け て0に 近 い 値 を と って お り,ど の 手 法 に お い て も こ の 区 間 に お い て 侵 入 者 ユ ー ザ の セ ッ シ ョ ン で あ る と 判 別 し て い る とい う結 果 に な り,手 法 を 組 み 合 わ せ な くて も 検 出 出来 る例 が あ る こ と が 分 か っ た.

一 方 で

,多 くの 実 験 結 果 で は 図8の よ う な結 果 に な り,

す べ て の 手 法 で 急 激 に 値 が 低 くな る よ う な例 は あ ま り 見 られ な か っ た.ま た,各 手 法 ご との グ ラ フの 変 位 の 仕 方 は似 て い る も の の,手 法 ご と に と り う る値 が 大 き く異 な る とい う結 果 に な った.methodlやmethod4の よ うな コ マ ン ドの ヒ ッ ト率 を 示 す 場 合 に つ い て は や や 高 い 値 を示 し て い る が,COS類 似 度 やTF‑IDFと い っ た コマ ン

ドの 性 質 を見 て い く よ う な 手 法 で は や や 低 い 値 を と っ て い た.こ の こ とか ら,6つ の 手 法 を 同 じ基 準 で 比 較 を 行 う こ とは で きな い と考 え か ら,各 手 法 ご との グ ラ フ の 変 位 の傾 向 か ら適 し た 閾 値 を 設 定 した 上 で 真 偽 の 結 果 を決 定 し た.

4.2Adaboostに よ る 結 果

次 に,Adaboostに よ り6つ の 手 法 を組 み 合 わ せ た 結 果 の 例 を 示 す.図9の 横 軸 は セ ッ シ ョ ン,縦 軸 は そ の セ ッ シ ョン に対 す るH(の の 値 を示 して お り,図8と 同 じ ユ ー ザ に つ い て,そ れ ぞ れ の 手 法 ご とに 閾 値 を設 定 して 重 み の 更 新 を行 った 結 果 を 示 して い る.こ こ で 式(9)に よ り, 正 の 値 を と っ た セ ッ シ ョ ン は正 当 な ユ ー ザ の セ ッ シ ョ ン で あ る と判 断 し,逆 に 負 の 値 を とっ た セ ッ シ ョ ン に つ い て は 侵 入 者 の セ ッ シ ョ ンで あ る こ と を示 して い る.そ

図9:Adaboostの 強 識 別 器 に お け る値 の 推 移 の 例

の 結 果,セ ッ シ ョン60〜80に か けて,H(z)の 値 が 負 の 区 間 が 見 られ,こ の 区 間 の セ ッ シ ョン が 侵 入 者 の セ ッ シ ョ

ン で あ る判 断 す る こ と が 出 来 る,実 際 に,Schonlauが 公 開 して い る デ ー タ[6]に 含 ま れ て い る 侵 入 者 の セ ッ シ ョ

ン の 分 布 表 と照 ら し合 わ せ て み る と,セ ッ シ ョ ン60〜

80が 侵 入 者 の セ ッ シ ョ ン と な っ て い る.こ の 結 果 か ら 侵 入 者 の セ ッ シ ョ ン を 検 知 す る こ とが 出 来 て い る こ と が 分 か っ た.し か し,誤 っ て 正 当 な ユ ー ザ の セ ッ シ ョ ン で 負 の 値 を示 した り,侵 入 者 の セ ッ シ ョ ンで 正 の 値 を示

し た りす る ケ ー ス も 見 ら れ た.

4.3各 弱 識 別 器 と 強 識 別 器 と の 比 較 に よ る 評 価 4.2の 結 果 か ら,Adaboostを 用 い る こ と で,侵 入 者 の セ ッ シ ョン を 検 出 す る こ と が で き た が,手 法 を組 み 合 わ せ る こ とで 認 証 の 精 度 が 上 が っ た の か に つ い て の 検 証 も 行 っ た.表3,図10は,本 研 究 で 行 っ た6つ の 手 法 とAdaboostに つ い て の 誤 認 識 率 をEへRとFRRの 関 係 を用 い て 示 した も の で あ る.FARは 他 人 受 入 率 で あ り, 誤 っ て 侵 入 者 の ユ ー ザ を 通 して し ま っ た 割 合 を 示 し た

も の で あ る.一 方 で,FRRは 本 人 拒 否 率 で あ り,正 当 な ユ ー ザ を拒 否 して し ま っ た 割 合 を 示 す .そ のた め,ど ち ら も 可 能 な 限 り,低 く抑 え る こ と が 重 要 で あ る.し か し, 実 際 に は,EへRを 低 くす る と,FRRは 高 く な って し ま い, 逆 にFRRを 低 くす る と,FRRが 高 くな る と い う関 係 に な っ て い る.

そ こ で,表3は,FARが 同 程 度 に な る よ う に換 算 し た と きのFRRに つ い て 示 し,認 証 に 失 敗 し た と き の 全 体 の リス ク の 評 価 に つ い て 示 し た も の で あ る.4.1の 結 果 で も 示 した と お り,手 法 ご と に と り う る 値 が 大 き く 異 な っ た た め にEへRを 調 整 す る の が 難 し く,15.06%〜

25.21%と10%近 く値 が 開 い て い る.

一 方 で

,FRRの ほ う で は 明 確 な 結 果 が 出 て お り,FAR で 高 い 値 を示 したmethod6に つ い て は,FRRの 値 も 同様

に高 く な っ て し ま っ た た め,こ の2つ の 手 法 に つ い て は あ ま りよ い 結 果 で は な か っ た と考 え られ る.そ れ 以 外 の methodのFRRに つ い て み て い く と,13.88%〜38.21%と

か な り開 きが あ った が,Adaboostで は そ れ よ りも さ らに 低 い 値 で あ る6.35%と い う結 果 が 得 られ た.こ の 結 果 か ら,EへR,EへRの 両 方 に 関 して も,ど の6つ の 手 法 よ り も低 い 値 を 示 したAdaboostが 最 も 認 証 の 精 度 が 高 い と い う結 果 に な り,手 法 を 組 み 合 わ せ る前 よ りも 精 度 が 上 が っ て い る こ とが 見 られ た.

次 に,図10は 本 研 究 で行 った6つ の手 法 及 びAdaboost のFARとFRRの 関 係 を示 し たROC曲 線 で あ る.図10 で は,横 軸 にEへRを と り,縦 軸 は そ のEへRに 対 す るFRR を示 した も の で あ る.FARに つ い て は侵 入 者 の誤 検 知 率 で あ り,可 能 な 限 り0%に 近 づ け る こ と はで き るが,0%に す る こ と は で きな い た め,対 数 を と っ た も の で あ る.

図10か ら,Adaboostの 曲 線 はEへRが20%未 満 の 値 に 関 して,FRRの 値 が 他 の ど の 手 法 よ りも 値 が 低 くな っ て い る こ と が 分 か る.ま た,曲 線 の 変 曲 点 も,他 の6つ の 手 法 よ りも左 下 側 に あ る と見 られ る こ とか ら,Adaboost の 方 がEへR,FRRと も に よ い 結 果 に な っ て い る と考 え ら れ る.こ の グ ラ フ か ら,最 適 と 思 わ れ るEへR,FRRに 注 目 し た 場 合,と も に10%近 くに 抑 え られ て い る こ と が 分 か る.本 研 究 で 行 っ た 他 の6つ の 手 法 と を 比 べ る と, 誤 検 知 率 が 低 い こ とか ら,か な り精 度 の 良 い 結 果 が 得 ら れ た の で は な い か と考 え られ る.こ れ を 一 般 的 な 認 証 手 法 と 直 列 的 に 用 い た 場 合,誤 検 知 率 も10分 の1程 度 に抑 え られ る こ とに な る.こ の こ と か ら,従 来 の 認 証 手 法 と併 用 す る こ と を 考 え れ ば,十 分 な 結 果 で あ る と思 わ れ る.

一 方 で

,従 来 の バ イ オ メ ト リク ス 認 証 手 法 と を比 較 し た 場 合,本 研 究 で 得 られ たFAR,FRRの 値 は,ま だ ま だ 充 分 で は な い と考 え られ る.例 え ぼ,指 紋 認 証 の 場 合,EへR は0.001%,FRRは0.5%で あ る と言 わ れ て い る.[10]本研 究 で は,ロ グ イ ン 中 の ユ ー ザ を対 象 と し た も の で あ り, 一 般 的 な も の と は異 な る認 証 手 法 で は あ る が,ま だ ま だ

改 善 で き る 可 能 性 も あ る と考 え られ る.

5.考 察

本 研 究 で は,Schonlauデ ー タ の コ マ ン ド履 歴 を用 い て, 学 習 モ デ ル の 構 築 と 各 セ ッ シ ョ ン の 検 査 モ デ ル の構 築

を行 い,こ れ らが 同 一 の ユ ー ザ に対 し て 似 た特 徴 を 示 し て い る の か ど うか に つ い て の 比 較 を行 っ た.比 較 を 行 う 際 一 つ の 手 法 だ け で は信 頼 性 の あ る結 果 が得 られ な い と考 え,Adaboostを 用 い て 複 数 の 手 法 を 組 み 合 わ せ る こ と で 認 証 の 精 度 が 上 が る の で は な い か と考 え た.そ こ で,4.1の 解 析 結 果 に よ り,ま ず6つ の 手 法 に お い て 学 習 モ デ ル と検 査 モ デ ル を比 較 し,各 セ ッシ ョン で ど れ ぐ ら い の 値 を と る の か に つ い て 示 した.

そ の 結 果,図7の よ う な 結 果 が 多 け れ ば,ど の 手 法 に お い て も侵 入 者 の セ ッシ ョ ンを 検 出 で きて い るた め,Ad‑

aboostを 用 い る必 要 性 が な くな る 可 能 性 も 考 え ら れ た.

し か し,多 くの 場 合,図8の よ う に な り,そ れ ぞ れ の 手 法 で 閾値 を個 別 に 設 定 し て,正 当 な ユ ー ザ の セ ッ シ ョン か ど うか を判 別 す る こ と に な る とい う結 果 と な った.こ の こ とか ら,一 つ の 手 法 だ け で は 正 当 な ユ ー ザ の セ ッ シ ョ ン 及 び 侵 入 者 ユ ー ザ の セ ッ シ ョ ン を 判 別 す る こ と は 難 し く,複 数 の 手 法 を 組 み 合 わ せ る 必 要 性 が あ る こ とが 分 か っ た.

次 に,実 際 にAdaboostを 用 い て 手 法 を 組 み 合 わ せ る こ とに よ って 強 識 別 器 を 生 成 した と こ ろ,図9の よ うな 結 果 に な り,侵 入 者 の デ ー タ が 含 まれ て い る箇 所 に お い て は,∬(の の 値 が0を 下 回 っ て お り,侵 入 者 の セ ッ シ ョ

ン を 検 出 で き る こ とが 確 認 で きた.ま た,表3の 結 果 か ら,6つ の 手 法 が 同 程 度 のEへRに お い て,Adaboostで は FRRが 最 も低 くな る とい う結 果 が 見 られ た.こ れ は,そ れ ぞ れ の 手 法 で 正 当 な ユ ー ザ や 侵 入 者 ユ ー ザ を 検 出 し や す い パ タ ー ン が あ る か らで は な い か と考 え られ る.そ の た め,一 つ の 手 法 だ け で は,う ま く特 徴 を 抽 出 す る こ

と が で き ず,誤 っ て 正 当 な ユ ー ザ を 拒 否 した り,侵 入 者

ユ ー ザ を受 け 入 れ た り して し ま う とい う こ と が 考 え ら れ る.

これ がAdaboostに よ り,手 法 を 組 み 合 わ せ て 総 合 的 に評 価 す る こ と に よ って,誤 って 認 識 さ れ る確 率 を 下 げ る こ と に つ な が る とい う結 果 に な っ た.こ の こ と か ら, 手 法 を 組 み 合 わ せ る 前 よ りも 侵 入 者 の セ ッ シ ョン を検 出 しや す く な っ た の で は な い か と考 え られ る.よ っ て, コ マ ン ド履 歴 を 用 い た 認 証 手 法 に お い て も,複 数 の 手 法 を組 み 合 わ せ る こ と で 精 度 を 上 げ る と い う考 え 方 は有 用 で あ る と考 え られ る.

そ の 一 方 で 複 数 の 手 法 を組 み 合 わ せ て も,そ れ ぞ れ の 手 法 で 誤 っ て 正 当 な ユ ー ザ 及 び 侵 入 者 の ユ ー ザ と判 断 し て し ま っ て い る場 合 に つ い て は,本 手 法 で は そ の ま ま 誤 っ て検 出 され て し ま う こ とが 分 か っ た.こ の 問 題 に 関 し て は,そ れ ぞ れ の 手 法 の 精 度 が あ ま り良 くな い も の が 多 か った り,似 た よ う な 手 法 の 結 果 を多 く組 み 合 わ せ た り し た も の に よ る と思 わ れ る.こ れ らの 手 法 を あ る程 度 重 ね て 組 み 合 わ せ る こ と は,デ ー タ の信 頼 性 を 上 げ る の に役 立 つ と考 え られ る が,そ の 中 に は い ず れ の手 法 に お い て も 間 違 っ て 判 断 して し ま っ た も の も 含 まれ て い た.そ の よ う な 結 果 が 多 く現 れ て し ま う と,Adaboostを 用 い て も あ ま り改 善 され な く な る とい う結 果 に な っ て し ま う た め,明 確 な 特 徴 の あ る手 法 を組 み 合 わ せ る こ と も必 要 で あ っ た と 思 わ れ る.

6.結 言

本 研 究 で は,従 来 の認 証 方 法 で は 解 決 で き な い 問 題 点 の 一 つ と して,ロ グ イ ン後 に ユ ー ザ の認 証 を行 うた め に, コ マ ン ド履 歴 を 用 い た 認 証 手 法 を 取 り上 げ た.コ マ ン ド履 歴 を用 い た 認 証 手 法 で は,正 当 な ユ ー ザ で あ るか を 明 確 に判 断 す る 基 準 が な い た め,研 究 で 用 い た 複 数 の 手 法 を 組 み 合 わ せ る こ とで 信 頼 性 の あ る結 果 に す る た め に機 械 学 習 の 一 つ で あ るAdaboostに 注 目 した.こ こ で 用 い た 手 法 は,基 礎 的 な 解 析 方 法 で は あ る が,出 現 し た コ マ ン ドの ヒ ッ ト率 やCOS類 似 度,TF‑IDFに つ い て,1 つ1つ の コ マ ン ドを 対 象 に す る の か,2つ の コ マ ン ドの 連 鎖 を 対 象 に す る の か を手 法 と して 用 い た.

そ の 結 果,一 つ の 手 法 だ け で は 曖 昧 な結 果 とな った が, 複 数 の 手 法 を用 い る こ とで よ り侵 入 者 の セ ッ シ ョン を正 し く判 別 す る こ と が 出 き,FARが15%台 に対 して,FRR は6%と い う結 果 に な り,手 法 を 組 み 合 わ せ る 前 よ りも 改 善 が 見 られ た.こ れ に よ り,コ マ ン ド履 歴 を 用 い た 認 証 手 法 に お い て も 手 法 を 組 み 合 わ せ る こ とが 有 用 で あ る と い う結 果 が 得 ら れ た.コ マ ン ド履 歴 を用 い た 認 証 手 法 に は,従 来 の認 証 手 法 に は な い 特 徴 を持 って い る こ と か ら,そ れ を考 慮 して 本 手 法 とを 組 み 合 わせ る こ と が

出 来 れ ぼ,実 際 の認 証 手 法 に も 役 立 て る こ とが 出来 る の で は な い か と考 え られ る.

参考 文献

[1]高 田 哲 司:セ キ ュ リ テ ィ と ユ ー ザ ビ リテ ィ特 集 個 人 認 証 に お け る セ キ ュ リ テ ィ と ユ ー ザ ビ リ テ ィ,ヒ ュ ー

マ ン イ ン タ フ ェ ー ス 学 会 誌,Vbl9,No.1(2007).

[2]吉 田 隆:高 精 度 化 す る個 人 認 証 技 術 一 身 体 的 、 行 動 的 認 証 か ら シ ス テ ム 開 発 、 事 例 、 国 際 標 準 化 ま

で,美 研 プ リ ンテ ィ ン グ 株 式 会 社,215‑223(2014).

【3]塚 本 浩 司,颯 々野 学:AdaBoostと 能 動 学 習 を 用 い た テ キ ス ト分 類 自 然 言 語 処 理,146‑13,81‑88(2001).

[4]竹 之 内 高 志,金 森 敬 文,村 田 昇,江 口 真 透:

ブ ー ス テ ィ ン グ と そ の ロ バ ス ト化,数 理 解 析 研 究 所 講 究 録,1439,111‑127(2005).

【5]金 森 敬 文,畑 埜 晃 平,渡 辺 治:ブ ー ス テ ィ ン グ ー 学 習 ア ル ゴ リズ ム の 設 計 技 法 一,森 北 出 版 株 式 会 社 (2006).

[6] Matthias Schonlau,William DuMouchel,Wen-

Hua Ju,Alan F.Karr,Martin Theus and Yehuda Vardi: Computer Intrusion:Detecting Masquer-

ades,Statistical Science 2001,Vol.16,No.1,1-

17(2001).

[7] Matthias Schonlau,Martin Theus:Detecting masquer- ades in intrusion detection based on unpopular com-

mands,Information Processing Letters 76(2000),33-

38(2000).

[8]中 谷 圭 吾,鈴 木 優,川 越 恭 二:文 書 間 類 似 度 と キ ー ワ ー ド を 用 い たW6bリ ン ク 自動 生 成 手 法,DBSJ Letters,Vbl4,No.1(2005).

[9]北 村 順 平,青 野 雅 樹:ウ ェ ブ サ イ ト 間 の 類 似 度 を 用 い た ウ ェ ブ ス パ ム の 検 出,DBSJJournal,Vbl8,No.1,

日 本 デ ー タ ベ ー ス 学 会 論 文 誌(2009).

[10]@IT:導 入 前 に 知 っ て お き た い バ イ オ メ ト リ ク ス 認 証(前 編):http:〃www.atmarkit.cojp/fsecurity/special/

44biomet/biometricsO1.html,siteaccessedatNov 22,2003.