Transcript Click

Cl-GBI法によるふるまいの
グラフの類似に基づく
群れのモデルの提案
200902799
安竹 有輝
背景、問題
人の行為（＝ふるまい）によって生じる、
情報漏えいが止まらない。
スマホ、PC/
クライアント
Xはファイル1を読
めない。
ファイル2は読
める。
データ
サーバ
X
データセンタ/サーバ
X
Y
ファイル1
φ
Read
ファイル2
Read
Write
データ
サーバ
ファイル1をR、
ファイル2にW
The
Internet
Y
後にX,Y=subject
ファイル1,2=object
として用いる．
The
Internet
Xがファイル2をR
情報漏えい
X
Y
クラウドファイルシステムの構想
群を守るモデル。
セキュリティ面から群
から離れないような
仕組みを作る
小泉
ACOやBoidなど群
知能を使った”集ま
る”という基礎的な
仕組みを作る
鈴木
エージェント
管理
動き
任意のファイル
任意のファイル
要素
任意のファイル
・フレンドシップモデル
・クラスメートモデル
・Ant Colony Optimization
・ファイルのタグ、色
・群集合（ふるまいの履歴）
任意のファイル
・リンゴ
・赤色
・甘くて、美
味しいです。
アクセスの順番、ふる
まいの履歴などファイ
ルの持つ”形”から情
報をセパレートする
安竹
安竹
キーワードやファイルの中身
から、含用率から重要度や
竹村
群の中心を判断する
「動き」と「要素」の橋渡しとして
家族的類似（パラメータ）が
用いられる。
クラウドファイルシス
テムの様々な仕組み
を統括しての、総合
的な実装を目的とす
る
目的
• アクセス行列からグラフの類似度を探し出す数式を書き、似
ているふるまいが群れを成すようにする．
Mason上に生成された群れを使ってcovert channelをセパレー
トするのが最終目的。
（アクセス行列からCovert Channelをセパレートすることによって、
群れ全体を護ることになる．）
S1
O1
O2
S2
Read
Read
Write
情報漏えい
ふるまい，アクセス行列，類似度の説明
クラウドファイルシステムに人がRead,Writeする行為を``ふるまい’’と呼ぶ．
Read,Write（ふるまい）の連鎖＝アクセス行列である．
アクセス行列の一部を抜き出し、類似度の高いものを集める．
類似度の高い物＝形の似ているもの
S
1
O
1
S
2
S
1
O
1
O
4
類似度の似ているグラフ
アクセス行列の例
S
2
O
4
Cl-GBI法について
求めたいノードを入力するとそれを含む似ているペアを作る．
そこからさらに似ているグラフを作りだす．
（後にこれを抽出グラフとして使用する）
S=Subject,O=Object
Masonについて
• MasonはMulti agent simulatorである。
• 従来のMulti agent simulatorに比べて高速。
• シミュレーションの様子を、客観的に第三者的（例えるなら神様のような）
視点から観察することができる。
Masonの
シュミレーション例(ball)
提案モデルの流れ
1.アクセス行列からCl-GBI法を用いて，複数の似ているパターンのグ
ラフを抜き出す．
2.抜き出したグラフの類似度を``構造類似性’’を用いて求め，
それをMason上のAgentに引力斥力として与える．
3.Agentで群れを作る．
4.Covert Channel分析をし，
セパレートする．
グラフの類似度を求めるところま
でを手掛けた．
5.以上を行って，群れが保っていることを確かめる．
提案モデルにおける研究の現段階
O
4
アクセス行列の例
S
1
O
1
S
2
Cl-GBI法を用いて、
グラフを抜き出す
①
S
1
O
4
S=subject
O=object
②
構造類似性を用
いて、グラフ同士
の類似度を求め
る
O
1
S
2
S
1
O
1
S
2
O
4
制限を付けたグラフ間の類似度を計算する
アルゴリズム
グラフ
S
1
O
4
O
1
S
2
S
1
O
1
S
3
S
2
O
5
S
1
O
1
S
2
S
2
P1:
S
1
O
1
P2:
O
1
S
2
P3:
O
4
S
1
O
1
P4:
S
1
O
1
S
3
設ける制限
１．対象となるグラフは木構造である．
２．抽出パターンは単純パス．
３．各ノードは2種類に分類できる．
抽出パターン
参考にした文献をも
とにアルゴリズムを
組んだ
S
1
O
4
O
1
S
2
グラフ1
S
1
O
1
グラフ2
S
3
S
2
O
5
S
1
O
1
S
2
+
抽出
パターン
グラフ3
①P1のノードの両端の始点、終点を定める．グラフ1の中に始点と種類が同じノードを選択する．
グラフ１を木構造とみなし、スタックを用い、P1と一致する箇所をカウントする．
（P2,3…に関しても行い、その後グラフ2，3に関しても同様に①を行う．)
②カウントした数値を用い、一致度、不一致度を求める．
類似度の計算方法
対象とするグラフ集合から抽出された部分グラフ集合を P ，
抽出された部分グラフ数を J ，
k
k
k
ノード nik を含む部分グラフp j  P, j  1,2,，, J , の数を mij  m (ni , p j )
とおくと，任意のグラフ Gk は以下に示す行列 M k で表現することができる．
k
k
m11
m12
k
k
m21
m22
Mk 
 
mIkk 1 
 m1kJ
 
 
 mIkk J
対象となるグラフ集合全体から抽出されている部分グラフの数を J
それぞれの構造分布行列を M1 ,M 2
部分グラフ p j を構成するノード数をsize( p j )
ノードペアの個数 I
グラフG1のノードxとグラフ2のノードｙの
12
ノード間類似度 r 12
xy およびノード間相異値 d xy
を以下のように定義する．
J
rxy12  α・j min(m1xj , myj2 )
j 1
J
d xy  βj mxj  myj
12
j 1
1
2
1 αj  size( p )
j
1 β

j
j α
m  m (n , p j )  M1
1
ij
1
1
i
m  m (ni , p j )  M 2
2
ij
2
2
i  1,2,, I1
i  1,2,, I2 I2  I1
12
これらを用いて、ノード間類似度 s xyを以下のように定義する．
12
xy
s
12
xy
r
 12
12
rxy  d xy
グラフ間類似値 S12
グラフ間相異値 R12
グラフ間類似度 D12
12
R
S  12
12
R D
12
Mason上のAgentの
引力，斥力となる．
I2
R  r
12
i 1
I2
12
xi yi
D  d
12
i 1
12
xi yi
グラフ１とグラフ２を用いて求めた結果
C:一致度
E:不一致度
類似度=0.739130
似ている形のグラフを集めるための
数式の値として使える．
まとめ
• プログラミングにより，一致度の算出に成功した．
• MasonでAgentが動くプログラミングを書いた．
• クラウドファイルシステムのCovert Channel分析にお
いて，アクセス行列の``形’’に着目したものは今まで
なく，本研究はこの分野の新しいモデルを提案でき
た．
• グラフの形の類似度をMasonの引力斥力を
設定するのと，Covert Channel分析をするの
に新しいアルゴリズムが作るのが今後の課
題である．
制限を付けたグラフ間の類似度を計算する
アルゴリズム
設ける制限
１．対象となるグラフは木構造である．
２．抽出パターンは単純パス．
３．各ノードは2種類に分類できる．
参考にした文献をも
とにアルゴリズムを
組んだ
C
3
O
4
C
2
C
1
C
3
C
2
C
1
C
4
グラフ1
グラフ２
C
4
C
3
C
2
グラフ３
C
1
+
①P1のノードの両端の始点、終点を定める．グラフ1の中に始点と種類が同じノードを選択する．
グラフ１を木構造とみなし、スタックを用い、P1と一致する箇所をカウントする．
（P２，３に関しても行い、その後グラフ2，3に関しても同様に①を行う．)
②カウントした数値を用い、一致度、不一致度を求める．