F5が公開したサイバーセキュリティ調査：ML/AIフレームワークのパフォーマンスと有効性

このたびF5は、Elsevierの学術誌『Network Security』に研究論文を発表しました。この論文では、ML/AIアルゴリズムを分散実行した場合の性能と有効性を明らかにするため、さまざまな機械学習（ML）および人工知能（AI）フレームワークを実証的に分析しています。また、NVIDIAのMorpheus、ONNX、TF/SKLなどの高度なML/AIフレームワークを活用し、大規模なサイバーセキュリティを大幅に強化する方法を検証しています。その結果、モデル形式の最適化とGPUによるワークロードの並列処理を通じて、検知機能の高速化を実現しました。ソフトウェアの最適化とハードウェアアクセラレーションを組み合わせることで、レイテンシーを短縮するとともに、全体的なスループットも向上しました。

さまざまなML/AIフレームワーク（NVIDIAのMorpheus、ONNX、TF/SKL）を比較するため、アルゴリズムによって生成されたドメイン（AGD）の検出を課題として選定しました。一般に、攻撃者はドメイン生成アルゴリズム（DGA）を使用してAGDを生成し、DNSレイヤーを介したデータ流出やコマンド＆コントロール（C&C）通信に利用します。さまざまなML/AIフレームワークのテストには、DGA脅威検出モデルを使用しました。

AGDを検出するML/AIモデルを対象プラットフォームにデプロイし、バッチサイズ32および1024で実行しました。GPU構成は、TensorFlow実装のCPU構成と比較して、それぞれのバッチサイズで11倍および43倍の性能を示しました。ONNXモデル形式を使用した場合、CPU実行プロバイダーの性能は、TensorFlow CPUと比較して、バッチサイズ32で5倍、バッチサイズ1024で1.5倍でした。CUDA GPU実行プロバイダーを使用したONNXは、CPU実行プロバイダーを使用したONNXと比較して、バッチサイズ32および1024でそれぞれ6倍および13倍の性能を示しました。Morpheus-GPUは他のアーキテクチャを上回り、バッチサイズ32および1024でそれぞれ22,382 req/secおよび208,077 req/secのスループットを達成しました。これは、TensorFlow-GPU構成と比較して200倍のスループット向上に相当します。

分析の結果、Morpheus-GPUはレイテンシとスループットに優れており、大規模ネットワークへのサービス提供に、より大きなバッチサイズを使用できることがわかりました。Morpheus-GPUとキャッシュを使用することで、データセンターレベルのDNSトラフィックに対するリアルタイムのDGA検出が可能です。

この調査から得られた主な知見は次のとおりです。

• サイバー攻撃や潜在的な脅威を回避するには、保存されたデータセットを活用し、そこから脅威インテリジェンスを抽出できる成熟した脅威検知ソリューションが必要です。
• AI/MLアルゴリズムでサイバー攻撃や脅威をより効果的に検知するには、大規模なデータを迅速に学習・トレーニングするためのハードウェアアクセラレーション（AIフレームワーク）が必要です。
• Morpheus AI frameworkは、迅速な意思決定を可能にするとともに、推論機能を提供し、ONNXやTFなどの他のML/AIフレームワークと比べて、低レイテンシかつ高スループットでデータを処理できます。

組織は本調査を活用し、堅牢なインフラストラクチャ（処理ユニットとML/AIフレームワークの組み合わせ）を選定することで、大規模なデータを処理し、高速かつスケーラブルに推論結果を取得できるAIアクセラレーション型サイバーセキュリティを実装できます。また、ML/AIフレームワークに関する検証済みの結果を活用した手法を、特にML/AI分野の既存製品に導入できます。

本論文は、Network Security Journalオンラインポータルから入手できます。