WGAN-GPにおける自己注意機構とジェンセン＝シャノン発散を用いたIDSのゼロデイ攻撃検知の新手法

要約：特にゼロデイ攻撃を含むサイバー脅威の高度化は、サイバーセキュリティに対して重大な課題をもたらします。ゼロデイ攻撃は未知の脆弱性を悪用するため、検出と対策が難しいです。既存のアプローチは欠陥をパッチし、侵入検知システム（IDS）を導入します。勾配ペナルティを伴う高度な Wasserstein GAN（WGAN-GP）を用いて、本論文はゼロデイパターンを模倣するネットワークトラフィックを合成するという新しい提案を行い、データの多様性を豊かにし、IDSの汎化能力を向上させます。SA-WGAN-GPを初めて提案します。これは、全結合射影の後に特徴ベクトルをトークンへ再形成することで、長距離の特徴間依存性を捉える自己注意（Self-Attention, SA）機構を追加します。続いて、JS-WGAN-GPを提案します。これは Jensen-Shannon（JS）距離に基づく補助識別器を追加し、Binary Cross-Entropy（BCE）で学習させ、更新時には固定化され、勾配を滑らかにし、より高品質なサンプルを得るために生成器を正則化するために用います。第三に、SA機構とJS発散を組み合わせたSA-JS-WGAN-GPを作成し、WGAN-GPのデータ生成能力を強化します。データ拡張は真のゼロデイ攻撃の発見と同等ではないため、提案手法の有効性を評価するために、NSL-KDDデータセット上で leave-one-attack-type-out 法を用いて、すべてのGANとIDSモデルを訓練します。評価結果は、SAとJS発散をWGAN-GPに統合することで、IDSの性能が向上し、ゼロデイリスク検出がより効果的になることを示しています。