Tokyo, July 3, 2009   -  (JCN Newswire)   -   NEC(TSE:6701)はこのたび、ネットワーク構造を持つデータ(注1)の大域的な変化を自動的に検出し、変化の原因となる箇所(ノード)を特定するデータマイニング技術(注2)「LinkageAnalyzer」を開発しました。本技術は、NECがこれまで取り組んできた機械学習技術(注3)をベースに、複数ノード間の関係性を適切に表現する手法を新たに開発することで実現したものです。

「LinkageAnalyzer」は、データマイニング技術に基づき、例えばソーシャルネットワークにおける情報発信量など、ネットワーク構造を持つデータを融合的に分析して、ユーザ間の連動関係の特徴を抽出・数値化し、値の変化を監視します。これにより、特定のコミュニティの急激な活性化(情報発信量が急激に増加)や、あるユーザが多くの他ユーザに一様に情報発信しているといった状態など、従来の個別ノードの監視では検出が困難であったネットワークの大域的な変化を検出するとともに、変化の原因となるノードの特定を可能とします。

「LinkageAnalyzer」を用いて、速やかにネットワークの変化を検知し、原因箇所を特定することで、ソーシャルネットワーク内でのコミュニティやトピックの盛り上がりを迅速かつ正確に把握することが可能になります。
近年、インターネットをはじめ、ソーシャルネットワークにおける人と人との関係や、互いに密接に連動している世界各国の株価や為替など、ネットワーク構造を持つデータの分析は大変重要になってきています。これらネットワーク構造データの変化を早期に検出することができれば、攻撃の検知や新たな人脈情報の抽出等を行なうことが可能となります。
ネットワークの変化は、個別のノードが独立に変化する場合と、複数のノードの連動パターンが変化する大域的な変化とに分類されます。従来、個別の変化に関してはノードの状態監視により自動検出が行われてきました。しかしながら、大域的な変化は個別のノードには大きな変化がないにも関わらず発生する場合があり、その自動検出は非常に困難なものとなっていました。変化発生時のノード群の連動パターンをあらかじめ指定できる場合は、従来からのパターン照合技術によって検出可能でしたが、事前にパターンの情報を得ることは困難であるという問題がありました。

これらの大域的な変化は検出が難しく発見が遅れがちなこと、変化の影響範囲が広いことから、ネットワーク全体に及ぼす影響が大きくなります。このため、より確実にネットワーク全体の変化を把握し、新たな情報抽出や異常検知につなげるために、大域的な変化を自動的に検出する技術の開発が求められていました。

このたび開発した「LinkageAnalyzer」は、これらの大域的なネットワーク変化の検出を実現するもので、特長は以下の通りです。

(1)変化パターンの事前指定なしでネットワークの大域的な変化を自動検出
ネットワーク上の情報発信量等といった複数ノードの情報に対して、その連動パターンの特徴を随時監視。そのパターンの特徴が大きく変化した時点をとらえ、変化パターンを事前に指定することなく、ネットワークの大域的変化を自動検出。データ量が膨大な連動パターンの特徴を、新規開発した指標「大域的相関強度」によって簡潔に表現し、NECが取り組んできた機械学習技術による外れ値検出(通常の傾向と異なる値の検出)技術で、連動パターンの変化を検出。変化パターンを事前に指定する必要がないため、初めて現れた未知の変化でも検出が可能。
(2)個別には変化がなくても大域的変化の原因になっているノードを特定複数ノードの連動パターンにおける各ノードの特徴を随時監視し、大域的変化の発生と同期して大きく変化したノードを抽出することで、大域的変化の原因となっているノード群を特定。ノード群の特定は、新たに開発した指標「周辺相関密度」によって、連動パターンにおける各ノードの特徴を表現し、外れ値検出技術を適用することで実現。ノード自体の変化の有無にはよらずに特定が行われるため、個別には大きく変化していないノードでも、大域的変化の原因となっているものを特定することが可能。

本技術を用いた実証実験として、コミュニティにおけるメール送信履歴データを用いたソーシャルネットワーク分析を行った結果、当該コミュニティで生じたイベントとキーパーソンの検知に成功しました。また、世界各国の株価・為替データを用いた経済時系列分析においては、2008年9月の経済破綻に期を合わせた相関構造の変化の検出、さらに、インターネットトラフィックのベンチマークデータを用いた異常検出実験においては、不正アクセス攻撃の前段階であるスキャニング(注4)の開始検出とスキャニング元の特定に成功しました。

NECでは、このたび開発した「LinkageAnalyzer」を、ソーシャルネットワーク分析や、ITネットワークシステムの監視、モバイル通信網の監視などに適用し、早期製品化を目指して研究開発を進めてまいります。

なお、NECはこのたびの成果を、6月28日にパリで開催された国際研究会「KDD2009 (The 15th International Conference on Knowledge Discovery and Data Mining)」で発表しました。

(注1) ネットワーク中の複数の箇所(ノード)から取得され、ネットワークの接続構造に応じて互いに影響を及ぼしあうデータ群。

(注2) データマイニング技術
大量のデータを解析し、データに埋もれている有用な情報や知識を引き出す技術。本リリースの新規技術「LinkageAnalyzer」では、ネットワーク内の各ノード間の連動パターンという大量データからその特徴を抽出し、それが大きく変化する時点やノードを抽出することで、ネットワークの大域的な変化の発生の有無や原因となっているノード群という情報を引き出すことが可能。

(注3) 機械学習技術
与えられたデータから、傾向や規則性等を抽出する技術。「LinkageAnalyzer」においては、「大域的相関強度」や「周辺相関密度」の値の傾向を抽出しておき、傾向から外れているデータを検出する技術が機械学習技術に該当。

(注4) スキャニング
ネットワークを通じて複数の端末に続けてアクセスし、各端末のセキュリティホールを探す行為。

詳細は以下URLをご参照ください。
http://www.nec.co.jp/press/ja/0907/0304.html


概要： 日本電気株式会社（NEC)

詳細は www.nec.co.jp をご覧ください。



お問合せ先：

NEC　知的資産R&D企画本部 広報グループ
ＵＲＬ:  http://www.nec.co.jp/contact/ 

Copyright © 2010 JCN Newswire. All rights reserved. A division of Japan Corporate News Network KK.