JP7413924B2

JP7413924B2 - 情報処理装置及び情報処理プログラム

Info

Publication number: JP7413924B2
Application number: JP2020090226A
Authority: JP
Inventors: 泰之古川
Original assignee: Fuji Xerox Co Ltd; Fujifilm Business Innovation Corp
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2020-05-25
Filing date: 2020-05-25
Publication date: 2024-01-16
Anticipated expiration: 2040-05-25
Also published as: US20210367957A1; JP2021185449A

Description

本発明は、情報処理装置及び情報処理プログラムに関する。

従来、インターネットなどの通信回線を介して接続元端末から接続先ホストにアクセスする際に、当該接続先ホストの脅威の有無を判定することが提案されている。脅威が有る接続先ホストとは、例えば、悪意のあるソフトウェアであるマルウェアを接続元端末に送り付けるなど、接続元端末に対して不当に悪影響を及ぼす（あるいはその可能性がある）ホストを意味する。

例えば、特許文献１には、対象通信先の脅威度（悪性度）を算出する装置であって、悪性又は良性であることが既知の既知通信先及び対象通信先についての、良性通信先リスト及び悪性通信先リストへの掲載の有無の時間変化に基づいて、既知通信先及び対象通信先の特徴情報を抽出し、当該特徴情報に基づいて対象通信先の悪性度を算出する装置が開示されている。また、特許文献２には、接続元端末におけるマルウェアの感染履歴などである文脈情報を考慮して、当該接続元端末と通信する接続先ホストの脅威の有無を検出する方法が開示されている。

また、マルウェアに感染した接続元端末は、当該接続元端末の利用者の意に反して種々の接続先ホストとの間で通信を行う場合があるところ、従来、接続元端末がマルウェアに感染しているか否かを検出する技術が提案されている。

例えば、特許文献３には、接続元端末であるＩｏＴ端末と接続先ホストとの間の通信に関する通信発生の頻度、あるいは接続先ホストの種類数などの特徴量に基づいて、当該ＩｏＴ端末がマルウェアに感染しているか否かを検出する異常検知システムが開示されている。また、特許文献４には、ネットワークを流れるセキュリティ攻撃パケット（悪意のあるパケット）のヘッダ情報から、セキュリティ攻撃通信の通信パターンを学習器に学習させることで、セキュリティ攻撃パケットを検出するセキュリティ脅威システムが開示されている。

脅威の有る接続先ホストへの通信、及び、マルウェアに感染した接続元端末からの通信は、いずれも接続先端末あるいはその利用者に不利益を与え得る通信である。本明細書では、（マルウェアに感染しているか否かに関わらず）接続元端末と脅威の有る接続先ホストとの間の通信、又は、マルウェアに感染した接続元端末と（脅威の有無に関わらず）接続先ホストとの間の通信を「不良通信」と呼ぶ。

特許第６１９６００８号公報特許第５９６１１８３号公報特開２０１８－１３３００４号公報特許第６０７８１７９号公報

ところで、従来における接続先ホストの脅威の有無を判定する装置においては、脅威の有無を判定する装置にとって既知の接続先ホストに関する脅威の有無を判定していた。換言すれば、従来、脅威の有無を判定する装置がドメイン名やＩＰアドレスを把握している接続先ホストの脅威の有無を判定していた。一方、脅威を検出する装置にとって未知の接続先ホストの脅威の有無を検出することは、従来困難であった。

また、マルウェアに感染した接続元端末は、多種多様の接続先ホストに多種多様の通信態様にて接続し得る。したがって、マルウェアに感染した接続元端末の接続先ホストや通信態様を予め定義してくことが困難であり、あるいは、学習器を用いたとしてもそのような通信態様を学習させることが困難であり、接続元端末からの通信の通信態様に基づいて、それがマルウェアによる通信であるか否かを判定することが困難となる場合があった。

上述の通り、未知の接続先ホストの脅威の有無を検出することが困難であること、又は、接続元端末からの通信がマルウェアによる通信であるか否かを判定することが困難であることから、従来、接続元端末から未知の接続先ホストへの通信が不良通信であるか否かを判定することが困難であった。

本発明の目的は、接続元端末から未知の接続先ホストへの通信が不良通信であるか否かを判定することにある。

請求項１に係る発明は、プロセッサを備え、前記プロセッサは、接続先ホストを示す情報及び当該接続先ホストの脅威の有無を学習データとし、接続先ホストを示す情報が入力されたときに当該接続先ホストの脅威度を出力するように学習された第１学習器に対して、対象接続先ホストの情報を入力することで得られた前記対象接続先ホストの脅威度と、接続元端末からの通信の通信履歴を学習データとし、前記接続元端末からの通信の異常度である通信異常度を出力するように学習された第２学習器に対して、対象接続元端末の通信履歴を入力することで得られた前記対象接続元端末の通信異常度と、に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かを判定する、ことを特徴とする情報処理装置である。
請求項２に係る発明は、前記プロセッサは、前記対象接続先ホストの脅威度が脅威度閾値以上となった場合に、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であると判定し、前記対象接続元端末の通信異常度が大きい程、前記脅威度閾値が小さい、ことを特徴とする請求項１に記載の情報処理装置である。
請求項３に係る発明は、前記プロセッサは、
前記第１学習器が出力した前記対象接続先ホストの脅威度を所定時間保持し、保持した前記対象接続先ホストの脅威度に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かの判定を間欠的に実行する、ことを特徴とする請求項１又は２に記載の情報処理装置である。
請求項４に係る発明は、前記プロセッサは、第２学習器が出力した前記対象接続元端末の通信異常度を所定時間保持し、保持した前記対象接続元端末の通信異常度に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かの判定を間欠的に実行する、ことを特徴とする請求項１又は２に記載の情報処理装置である。
請求項５に係る発明は、前記第１学習器は、教師有り学習により学習され、前記第２学習器は、教師無し学習により学習される、ことを特徴とする請求項１から３のいずれか１項に記載の情報処理装置である。
請求項６に係る発明は、コンピュータに、接続先ホストを示す情報及び当該接続先ホストの脅威の有無を学習データとし、接続先ホストを示す情報が入力されたときに当該接続先ホストの脅威度を出力するように学習された第１学習器に対して、対象接続先ホストの情報を入力することで得られた前記対象接続先ホストの脅威度と、接続元端末からの通信の通信履歴を学習データとし、前記接続元端末からの通信の異常度である通信異常度を出力するように学習された第２学習器に対して、対象接続元端末の通信履歴を入力することで得られた前記対象接続元端末の通信異常度と、に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かを判定断させる、ことを特徴とする情報処理プログラムである。

請求項１、５、又は６に係る発明によれば、接続元端末から未知の接続先ホストへの通信が不良通信であるか否かを判定することができる。
請求項２に係る発明によれば、対象接続元端末の通信異常度が大きい程、対象接続先ホストの脅威度がより低くても、対象接続元端末から対象接続先ホストへの通信が不良通信であると判定することができる。
請求項３に係る発明によれば、接続元端末から未知の接続先ホストへの通信が不良通信であるか否かを判定する際における、プロセッサ及び学習済みの第１学習器の処理量を低減することができる。
請求項４に係る発明によれば、接続元端末から未知の接続先ホストへの通信が不良通信であるか否かを判定する際における、プロセッサ及び学習済みの第２学習器の処理量を低減することができる。

本実施形態に係るネットワークシステムの構成概略図である。クエリログの例を示す図である。通信ログの例を示す図である。本実施形態に係るセキュリティサーバの構成概略図である。閾値対応情報の第１の例を示す図である。キャッシュデータの第１の例を示す図である。キャッシュデータの第２の例を示す図である。第１学習器の学習処理を示す概念図である。第２学習器の構造の第１の例を示す図である。接続元端末別のクエリタイプ列を示す図である。クエリタイプ列における学習用入力データと評価データを示す第１の図である。クエリタイプ列における学習用入力データと評価データを示す第２の図である。第２学習器の構造の第２の例を示す図である。通信異常度取得部の処理の第１の例を示す図である。通信異常度取得部の処理の第２の例を示す図である。閾値対応情報の第２の例を示す図である。

図１は、本実施形態に係るネットワークシステム１０の構成概略図である。ネットワークシステム１０は、１又は複数の接続元端末１２、１又は複数の接続先ホスト１４、ネットワーク装置１６、ＤＮＳ（Domain Name System）サーバ１８、１又は複数のネームサーバ２０、及び、本発明に係る情報処理装置としてのセキュリティサーバ２２を含んで構成されている。接続元端末１２とネットワーク装置１６は、ＬＡＮ（Local Area Network）などのイントラネットにより通信可能に接続されている。また、接続先ホスト１４、ネットワーク装置１６、ＤＮＳサーバ１８、ネームサーバ２０、及びセキュリティサーバ２２は、インターネット及びＬＡＮなどを含む通信回線２４により互いに通信可能に接続されている。

接続元端末１２は、利用者（ユーザ）が使用する端末であり、例えばパーソナルコンピュータである。また、接続元端末１２としては、タブレット端末などの携帯端末であってもよい。接続元端末１２は、ネットワーク装置１６と通信するため、あるいは、ネットワーク装置１６を介して接続先ホスト１４と通信するための通信インターフェースと、ハードディスク、ＲＯＭ（Read Only Memory）、あるいはＲＡＭ（Random Access Memory）などから構成されるメモリと、液晶表示器などから構成されるディスプレイと、マウスやキーボードあるいはタッチパネルなどから構成される入力インターフェースと、ＣＰＵ（Central Processing Unit）やマイクロコンピュータなどから構成されるプロセッサと、を含む。

接続先ホスト１４は、例えば、１つのサーバ（例えばウェブサーバ）であってよく、通信回線２４を介してアクセスしてきた装置に対して各種データ（例えばウェブページデータなど）を提供するものである。また、バーチャルホストと呼ばれる技術により、１つのサーバにおいて、仮想的に複数の接続先ホスト１４が定義される場合もある。複数の接続先ホスト１４の中には、接続元端末１２に不当に悪影響を与える（例えばマルウェアなどを送り付ける）ような、脅威の有る接続先ホスト１４が存在する。また、複数の接続先ホスト１４の中には、接続元端末１２がアクセスしたことのない接続先ホスト１４も存在し得る。そのような接続先ホスト１４の中にも脅威を有する接続先ホスト１４が存在し得る。

ネットワーク装置１６は、通信経路において接続元端末１２と接続先ホスト１４との間に介在する装置である。本実施形態では、ネットワーク装置１６は、複数の接続元端末１２に接続され、当該各接続元端末１２が通信回線２４を介して接続先ホスト１４と通信を行う際において、以下に説明する処理を実行する。

第１に、ネットワーク装置１６は、接続元端末１２からの要求に応じて、種々のリクエストをＤＮＳサーバ１８に送信する。例えば、接続元端末１２においてユーザが接続先ホスト１４のＵＲＬ（Uniform Resource Locator）を指定した場合（つまり、接続元端末１２から接続先ホスト１４への通信を試みる場合）、当該ＵＲＬに含まれる、接続先ホスト１４を示すドメイン名としてのＦＱＤＮ（Fully Qualified Domain Name；例えば「www.fujixerox.co.jp」など）の名前解決のリクエストをＤＮＳサーバ１８に送信する。また、ネットワーク装置１６は、名前解決の他、例えばＤＮＳサーバ１８に記憶されている種々の情報（例えばＦＱＤＮに関するコメントなど）を取得する際にも、ＤＮＳサーバ１８にリクエストを送信する。

ネットワーク装置１６がＤＮＳサーバ１８に送信するリクエストには、ＤＮＳサーバ１８に要求する情報の種類を示すクエリタイプ（ＤＮＳレコードタイプとも呼ばれる）が含まれる。クエリタイプとしては、これらに限られないが、例えば、ＦＱＤＮのＩＰｖ４形式のＩＰアドレスを示す「Ａ」、ＦＱＤＮのＩＰｖ６形式のＩＰアドレスを示す「ＡＡＡＡ」、ＦＱＤＮの別名（別ドメイン名）を示す「ＣＮＡＭＥ」、ＦＱＤＮに関するコメントなどのテキスト情報を示す「ＴＸＴ」などがある。例えば、あるＦＱＤＮのＩＰｖ４形式のＩＰアドレスを取得する場合、ネットワーク装置１６は、当該ＦＱＤＮとクエリタイプ「Ａ」を含むリクエストをＤＮＳサーバ１８に送信する。

ネットワーク装置１６からＤＮＳサーバ１８にリクエストが送信される度に、当該リクエストの送信履歴を示すクエリログ１６ａがネットワーク装置１６に蓄積記憶される。図２に、１回のリクエストに対応するクエリログ１６ａの例が示されている。クエリログ１６ａには、当該リクエストがＤＮＳサーバ１８に送信された日時を示すリクエスト日時、ネットワーク装置１６に当該リクエストの送信を要求した接続元端末１２のＩＰアドレス、及び、当該リクエストのクエリタイプを示す情報が含まれている。なお、接続元端末１２のＩＰアドレスは、接続元端末１２を一意に識別する識別子として用いられるため、接続元端末１２を一意に識別可能である限りにおいて、接続元端末１２のＩＰアドレスに代えて、他の情報がクエリログ１６ａに含められてもよい。

接続先ホスト１４のＦＱＤＮがネットワーク装置１６からＤＮＳサーバ１８に送信されると、ＤＮＳサーバ１８において名前解決処理（詳細後述）が行われ、ＤＮＳサーバ１８は、当該接続先ホスト１４のＩＰアドレスをネットワーク装置１６に送信する。これにより、ネットワーク装置１６は、当該ＩＰアドレスに基づいて接続先ホスト１４にアクセス可能となる。

第２に、ネットワーク装置１６は、接続元端末１２と接続先ホスト１４とが通信する度に、当該通信の履歴を示す通信ログ１６ｂを取得して蓄積記憶する。本実施形態では、１セッションの通信毎に、通信ログ１６ｂとして、ＩＣＭＰ（Internet Control Message Protocol）セッション情報を含む情報が記憶される。ＩＣＭＰセッション情報とは、イーサネットフレームのペイロード内のＩＰヘッダ及びＩＣＭＰメッセージに含まれる情報である。

図３に、１回のセッションに対応する通信ログ１６ｂの例が示されている。通信ログ１６ｂには、通信日時、タイムゾーン、接続元端末１２のＩＰアドレス、接続先ホスト１４のＩＰアドレス、及び、接続先ホスト１４のＩＰアドレスの保有国を示す情報が含まれる。通信日時は、接続元端末１２が接続先ホスト１４に接続した時刻、換言すれば、接続元端末１２と接続先ホスト１４との間の通信が開始された時刻である。タイムゾーンは、接続元端末１２が接続先ホスト１４に接続した時間帯を示す情報であり、本実施形態では、０～２３までの値を取り得る。例えば、タイムゾーンが「１」である場合、当該通信ログ１６ｂが示す通信は、午前１：００～午前２：００までの間に行われたことを示す。また、接続先ホスト１４のＩＰアドレスの保有国を示す情報は、例えば、ネットワーク装置１６が、各ＩＰアドレスの所有者に関する情報を保有しているサービスであるＷｈｏｉｓに問い合わせることなどで取得することができる。

第３に、ネットワーク装置１６は、接続元端末１２が接続先ホスト１４と通信する際におけるセキュリティの担保に関する処理を実行する。換言すれば、ネットワーク装置１６は、脅威の有る接続先ホスト１４から接続元端末１２を守る働きをする。例えば、ネットワーク装置１６は、接続先ホスト１４から送られてくるデータ（例えばパケット）を検証し、当該データが不正データであると判断した際に、接続元端末１２と接続先ホスト１４との間の通信を遮断するファイアウォールあるいはＩＰＳ（Intrusion Prevention System；侵入防止システム）を備えている。ここで、不正データとは、接続元端末１２に不当な悪影響を生じさせる（あるいはその可能性がある）データである。

具体的には、ネットワーク装置１６は、接続先ホスト１４から受信したデータ（例えばパケット）が不正データであるか否かをファイアウォールあるいはＩＰＳなどによって判定する。例えば、ネットワーク装置１６は、接続元端末１２においてユーザが接続先ホスト１４のＵＲＬを指定した場合における、当該ＵＲＬに基づく接続元端末１２と接続先ホスト１４との間の通信を監視して、接続先ホスト１４から送信されてくる不正データを検出する。当該データが不正データでないと判定した場合、ネットワーク装置１６は当該データを接続元端末１２に送信する。これにより、接続元端末１２と接続先ホスト１４との間の通信が許可される。一方、当該データが不正データであると判定した場合、ネットワーク装置１６は当該データを遮断し、すなわち、接続元端末１２と接続先ホスト１４との間の通信を禁止し、接続先ホスト１４との間の通信が禁止されたことを接続元端末１２に通知する。

上述の判定の結果が判定ログ１６ｃとしてネットワーク装置１６のメモリに記憶される。接続先ホスト１４からのデータが不正データであるか否かに関わらず、接続元端末１２と接続先ホスト１４との間における通信が行われる度に、上述の判定の結果が判定ログ１６ｃとして蓄積記憶されていく。判定ログ１６ｃには、判定時刻（通信時刻）、接続先ホスト１４を示す情報、及び、当該接続先ホスト１４の脅威の有無（不正データの検出有無）が含まれる。本実施形態では、接続先ホスト１４を示す情報として、少なくとも、接続先ホスト１４のドメイン名（すなわちＦＱＤＮ）が判定ログ１６ｃに含められる。好適には、判定ログ１６ｃには、接続先ホスト１４を示す情報として、接続先ホスト１４のＩＰアドレス、当該ＦＱＤＮを管理するネームサーバ２０（詳細後述）の名前（ネームサーバ名）及びＩＰアドレス、接続先ホスト１４のＩＰアドレスの保有国、並びに、接続先ホストのＩＰアドレスのネットワーク名などが含まれてもよい。ネットワーク名とは、地域インターネットレジストリ（ＩＰアドレスの管理を行う組織）が所有者に対してＩＰアドレスを付与する際に、当該ＩＰアドレスに付与されるユニークな（すなわち一意に識別可能な）識別子である。所有者が複数のＩＰアドレスを所望した場合は、当該複数のＩＰアドレスには同一の（ただし当該複数のＩＰアドレス以外のＩＰアドレスに対してはユニークである）ネットワーク名が付される。接続先ホストのＩＰアドレスのネットワーク名は、ネットワーク装置１６が、上述のＷｈｏｉｓに問い合わせることなどで取得することができる。

ＤＮＳサーバ１８は、ネットワーク装置１６などの種々の装置からのリクエストに応じて、種々の情報を送信する装置である。特に、ＤＮＳサーバ１８は、ドメイン名とＩＰアドレスの相互変換処理を行う装置である。

ＤＮＳサーバ１８は、ネットワーク装置１６から、接続元端末１２が指定した接続先ホスト１４のＦＱＤＮとクエリタイプ「Ａ」を含むリクエストを受信すると、ネットワーク装置１６から受信したＦＱＤＮについて名前解決処理を行い、当該ＦＱＤＮが示す接続先ホスト１４のＩＰアドレスを特定する。本実施形態におけるＤＮＳサーバ１８は、いわゆるフルサービスリゾルバであり、複数のネームサーバ２０との協働により名前解決処理を実行する。

各ネームサーバ２０は、いわゆる権威サーバであり、それぞれ特定の範囲のドメイン名を管理する装置である。例えば、あるネームサーバ２０は「ｘｘｘ．ｎｅｔ」というドメイン名を管理し、また、他のネームサーバ２０は「ｘｘｘ．ｏｒｇ」というドメイン名を管理する、の如くである。具体的には、各ネームサーバ２０は、自装置が管理する範囲のドメイン名に関する情報を含むゾーンファイルと呼ばれるファイルを有しており、当該ゾーンファイルを参照することで、自装置が管理しているドメイン名の範囲を把握する。

ＤＮＳサーバ１８は、ネットワーク装置１６から受信したＦＱＤＮを複数のネームサーバ２０に送信する。ＦＱＤＮを受信した複数のネームサーバ２０のうち、当該ＦＱＤＮを管理しているネームサーバ２０は、自装置のゾーンファイルを参照して当該ＦＱＤＮに対応するＩＰアドレスを特定し、特定したＩＰアドレスをＤＮＳサーバ１８に送信する。そして、ＤＮＳサーバ１８は、ネームサーバ２０から受信したＩＰアドレス（すなわち接続先ホスト１４のＩＰアドレス）、及び、当該ＦＱＤＮを管理している（すなわち当該ＩＰアドレスをＤＮＳサーバ１８に送信した）ネームサーバ２０のＩＰアドレスをネットワーク装置１６に送信する。

なお、ＤＮＳサーバ１８と、少なくとも一部のネームサーバ２０とが一体となっていてもよい。その場合、ＤＮＳサーバ１８自体が、ある範囲のドメイン名を管理することになり、すなわち、ある範囲のドメイン名の情報を含むゾーンファイルをＤＮＳサーバ１８が有することになる。

セキュリティサーバ２２は、サーバコンピュータなどから構成される。セキュリティサーバ２２は、接続元端末１２から未知の接続先ホスト１４への通信が不良通信であるか否かを判定する。すなわち、セキュリティサーバ２２は、脅威の有る接続先ホスト１４への通信、又は、マルウェアに感染した接続元端末１２からの通信を検出する。ここで、未知の接続先ホスト１４とは、接続元端末１２が過去にアクセスしたことがなく、ネットワーク装置１６が当該接続先ホスト１４から送られてきたデータが不正データであるか否かを過去に判定したことがない接続先ホスト１４を意味する。

図４は、セキュリティサーバ２２の構成概略図である。以下、図４を参照しながら、セキュリティサーバ２２の各部について説明する。

通信インターフェース３０は、例えばネットワークアダプタなどを含んで構成される。通信インターフェース３０は、通信回線２４を介して他の装置（例えばネットワーク装置１６など）と通信する機能を発揮する。

メモリ３２は、例えばハードディスク、ＳＳＤ（Solid State Drive）、ＲＯＭ、あるいはＲＡＭなどを含んで構成されている。メモリ３２は、後述のプロセッサ４２とは別に設けられてもよいし、少なくとも一部がプロセッサ４２の内部に設けられていてもよい。メモリ３２には、セキュリティサーバ２２の各部を動作させるための情報処理プログラムが記憶される。また、図４に示す通り、メモリ３２には、第１学習器３４、第２学習器３６、閾値対応情報３８、及びキャッシュデータ４０が記憶される。

第１学習器３４は、例えばディープニューラルネットワークなどのモデルによって構成される。第１学習器３４は、接続先ホスト１４を示す情報及び当該接続先ホスト１４の脅威の有無を学習データとし、接続先ホスト１４を示す情報が入力されたときに当該接続先ホスト１４の脅威度を出力するように学習される学習器である。学習済みの第１学習器３４に処理対象の接続先ホスト１４である対象接続先ホスト１４ａを示す情報を入力することで、第１学習器３４は、対象接続先ホスト１４ａの脅威度を出力できる。脅威度とは、接続先ホスト１４に脅威が有る可能性（あるいは確率と言ってもよい）を表す数値である。本実施形態では、脅威度は０～１の値を取り、その値が大きい程、接続先ホスト１４に脅威が有る可能性が大きいことを表す。第１学習器３４の詳細については、後述の学習処理部４４の処理と共に後述する。

第２学習器３６は、例えばＲＮＮ（Recurrent Neural Network；リカレントニューラルネットワーク）などのニューラルネットワークモデル、あるいは、自己符号化器（オートエンコーダとも呼ばれる）などによって構成される。第２学習器３６は、接続元端末１２からの通信の通信履歴を学習データとし、接続元端末１２からの通信の通信履歴を入力されたときに当該接続元端末１２からの通信の異常度である通信異常度を出力するように学習される学習器である。第２学習器３６は、接続元端末１２からの通信の通信履歴に基づいて、接続元端末１２からよく行われる通信の特徴（いわば「いつもの」通信の特徴）を学習する。学習済みの第２学習器３６に処理対象の接続元端末１２である対象接続元端末１２ａの通信履歴を入力することで、第２学習器３６は、対象接続元端末１２ａの通信異常度を出力できる。通信異常度とは、学習済みである、接続元端末１２からよく行われる通信の特徴と、対象接続元端末１２ａの通信履歴が示す通信の特徴との差異の大きさを表す数値である。正常時（接続元端末１２がマルウェアに感染していないとき）の接続元端末１２からよく行われる通信の特徴と、異常時（接続元端末１２がマルウェアに感染しているとき）の通信の特徴とは、互いに異なるのが一般的である。そして、正常時における接続元端末１２からよく行われる通信の特徴は、それほど大きく変動しないのが一般的である。したがって、通信異常度とは、接続元端末１２がマルウェアに感染している可能性を示す指標であるとも言える。本実施形態では、通信異常度も０～１の値を取り、その値が大きい程、学習済みの通信の特徴と、対象接続元端末１２ａの通信履歴が示す通信の特徴との差異が大きいことを表す。第２学習器３６の詳細についても、後述の学習処理部４４の処理と共に後述する。

なお、第１学習器３４あるいは第２学習器３６の実体は、学習器の構造を定義するプログラム、学習器に関する各種パラメータ、及び、入力データに対して処理を行うための処理実行プログラムなどである。したがって、メモリ３２に第１学習器３４あるいは第２学習器３６が記憶されるとは、上記プログラムや各種パラメータがメモリ３２に記憶されることを意味する。

閾値対応情報３８は、接続元端末１２の通信異常度と、接続先ホスト１４の脅威度に関する閾値である脅威度閾値とが対応付けられている情報である。図５に、閾値対応情報３８の例が示されている。図５の例では、「０．１以上０．８未満」の接続元端末１２の通信異常度αに対して脅威度閾値「０．９９」が対応付けられ、「０．８以上０．９未満」の通信異常度αに対して脅威度閾値「０．９０」が対応付けられ、「０．９以上０．９９未満」の接続元端末１２の通信異常度αに対して脅威度閾値「０．８０」が対応付けられ、「０．９９以上１．０未満」の接続元端末１２の通信異常度αに対して脅威度閾値「０．７０」が対応付けられている。このように、閾値対応情報３８においては、通信異常度αが大きい程、より小さい脅威度閾値が対応付けられている。閾値対応情報３８は、後述の通信判定部５０によって参照されるため、閾値対応情報３８の利用方法は、通信判定部５０の処理と共に後述する。

キャッシュデータ４０は、メモリ３２に一時的に（換言すれば時限的に）記憶されるデータである。キャッシュデータ４０の実態は、第１学習器３４が出力した接続先ホスト１４の脅威度を示す情報、あるいは、第２学習器３６が出力した接続元端末１２の通信異常度を示す情報である。

図６に、キャッシュデータ４０の第１の例である接続先ホスト１４の脅威度を示す情報が示されている。図６にはテーブルが示されているが、当該テーブルの１つのレコードが１つのキャッシュデータ４０を表すものである。図６に示されるキャッシュデータ４０は、接続先ホスト１４を識別する情報（図６の例では接続先ホスト１４のＦＱＤＮ）と、当該接続先ホスト１４の脅威度と、当該キャッシュデータ４０の保持期限とが関連付けられて記憶される。保持期限は、当該キャッシュデータ４０がメモリ３２に保持される期限を示すものであり、適宜予め定められておいてよい（例えば当該キャッシュデータ４０がメモリ３２に記憶されてから一定時間後など）。保持期限が到来すると、当該キャッシュデータ４０はメモリ３２から消去される。

図７に、キャッシュデータ４０の第２の例である接続元端末１２の通信異常度を示す情報が示されている。図７においても、テーブルの１つのレコードが１つのキャッシュデータ４０を表すものである。図７に示されるキャッシュデータ４０は、接続元端末１２を識別する情報（図７の例では接続元端末１２のＩＰアドレス）と、当該接続元端末１２の通信異常度と、当該キャッシュデータ４０の保持期限とが関連付けられて記憶される。

図４に戻り、プロセッサ４２は、広義的な処理装置を指し、汎用的な処理装置（例えばＣＰＵなど）、及び、専用の処理装置（例えばＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、あるいは、プログラマブル論理デバイスなど）の少なくとも１つを含んで構成される。プロセッサ４２としては、１つの処理装置によるものではなく、物理的に離れた位置に存在する複数の処理装置の協働により構成されるものであってもよい。図４に示す通り、プロセッサ４２は、メモリ３２に記憶された情報処理プログラムにより、学習処理部４４、脅威度取得部４６、通信異常度取得部４８、通信判定部５０、及び不良通信対応処理部５２としての機能を発揮する。

学習処理部４４は、第１学習器３４及び第２学習器３６を学習させる学習処理を行う。

まず、第１学習器３４の学習処理について説明する。学習処理部４４は、接続先ホスト１４を示す情報及び当該接続先ホスト１４の脅威の有無を学習データとし、接続先ホスト１４を示す情報が入力されたときに当該接続先ホスト１４の脅威度を出力するように第１学習器３４を学習させる。学習データとしては、種々の団体から提供されている、脅威の有るＦＱＤＮのリストである脅威ＦＱＤＮリスト、及び、脅威の無いＦＱＤＮのリストである安全ＦＱＤＮリストを用いることができる。この場合、脅威ＦＱＤＮリストに含まれるＦＱＤＮが接続先ホスト１４を示す情報であり「脅威有り」が教師データとなり、あるいは、安全ＦＱＤＮリストに含まれるＦＱＤＮが接続先ホスト１４を示す情報であり「脅威無し」が教師データとなる。これにより、第１学習器３４は、脅威の有るＦＱＤＮの特徴及び脅威の無いＦＱＤＮの特徴を学習し、未知のＦＱＤＮが示す未知の接続先ホスト１４の脅威度を予測して出力することができるようになる。

また、学習処理部４４は、ネットワーク装置１６から受信した判定ログ１６ｃに基づくデータを学習データとして用いて、第１学習器３４を学習させてもよい。詳しくは、学習処理部４４は、判定ログ１６ｃに含まれる、接続先ホスト１４を示す情報としてのＦＱＤＮ（つまり過去に接続元端末１２がアクセスした接続先ホスト１４のＦＱＤＮ）と、当該接続先ホスト１４の脅威の有無を学習データとして用いて第１学習器３４の学習処理を行う。

図８に、学習処理部４４による第１学習器３４の学習処理の一例の概念図が示されている。学習処理部４４は、判定ログ１６ｃに含まれる、接続先ホスト１４のＦＱＤＮを第１学習器３４に入力し、第１学習器３４に当該接続先ホスト１４の脅威度を出力させ、出力された当該接続先ホスト１４の脅威度と、教師データである当該接続先ホスト１４の脅威の有無（実績）との差分に基づいて、第１学習器３４を学習させる。学習処理部４４が上述の学習処理を繰り返すことで、学習済みの第１学習器３４は、接続先ホスト１４のＦＱＤＮを入力として、当該接続先ホスト１４の脅威度を出力することができるようになる。

また、学習データである接続先ホストを示す情報として、接続先ホスト１４のＦＱＤＮに代えてあるいは加えて、判定ログ１６ｃに含まれる、接続先ホスト１４のＩＰアドレス、当該ＦＱＤＮを管理するネームサーバ２０の名前（ネームサーバ名）及びＩＰアドレスが用いられてもよい。

接続先ホスト１４を示す情報として、接続先ホスト１４のＩＰアドレスのみならず、当該接続先ホスト１４のＦＱＤＮを管理するネームサーバ２０の名前やＩＰアドレスを用いるのは、接続先ホスト１４が名前ベースバーチャルホストである場合に接続先ホスト１４を一意に特定するためである。接続先ホスト１４が名前ベースバーチャルホストである場合、上述のように、１つのＩＰアドレスには複数の接続先ホスト１４が割り当てられるが、接続先ホスト１４のＩＰアドレスと、当該接続先ホスト１４のドメイン名を管理するネームサーバ２０を示す情報との組み合わせによって、接続先ホスト１４を一意に特定し得る。なぜならば、同一ＩＰアドレスに割り当てられた複数の接続先ホスト１４（名前ベースバーチャルホスト）は、互いにドメイン名が異なることから、各接続先ホスト１４の各ドメイン名を管理するネームサーバ２０が互いに異なる場合が多い。したがって、接続先ホスト１４のＩＰアドレスと、当該接続先ホスト１４のドメイン名を管理するネームサーバを示す情報との組み合わせによって、接続先ホスト１４を一意に特定することができる。

また、第１学習器３４がより高精度に接続先ホスト１４の脅威度を出力できるように、学習データには、接続先ホスト１４のＩＰアドレスの保有国、及び、接続先ホストのＩＰアドレスのネットワーク名のうちの少なくとも１つが加えられてもよい。

接続先ホスト１４のＩＰアドレスの保有国毎に、脅威が有る接続先ホスト１４の数に差異があるならば、学習データに接続先ホスト１４のＩＰアドレスの保有国が加えられることで、第１学習器３４は、接続先ホスト１４のＩＰアドレスの保有国に基づいて、当該接続先ホスト１４の脅威度を予測することができるようになる。

また、悪意のある者が、地域インターネットレジストリに対して複数のＩＰアドレスを申請した場合、当該複数のＩＰアドレスには同一のネットワーク名が付与されることとなる。そして、同一のネットワーク名が付された当該複数のＩＰアドレスが示す複数の接続先ホスト１４は、当該悪意のある者が管理するものとなり、いずれも脅威の有るものとなる場合が多いと言える。したがって、学習データに接接続先ホストのＩＰアドレスのネットワーク名が加えられることで、第１学習器３４は、接続先ホスト１４のＩＰアドレスのネットワーク名に基づいて、当該接続先ホスト１４の脅威度を予測することができるようになる。具体的には、既に脅威が有ると判定された接続先ホスト１４のＩＰアドレスと同一のネットワーク名が付されたＩＰアドレスが示す他の接続先ホスト１４の脅威度をより高く予測することができる。

上記いずれの学習方法であっても、学習データに教師データが含まれ、第１学習器３４の出力と教師データとの差分に基づいて第１学習器３４が学習されるから、第１学習器３４は、教師有り学習により学習されると言える。なお、第１学習器３４としては、接続先ホスト１４を示す情報及び当該接続先ホスト１４の脅威の有無を学習データとし、接続先ホスト１４を示す情報が入力されたときに当該接続先ホスト１４の脅威度を出力するように学習される限りにおいて、どのような学習器であってもよい。

次に、第２学習器３６の学習処理について説明する。上述の通り、学習処理部４４は、接続元端末１２からの通信の通信履歴を学習データとし、接続元端末１２からの通信の通信履歴が入力されたときに当該接続元端末１２の通信異常度を出力するように第２学習器３６を学習させる。

第２学習器３６の一つの代表的な態様としては、図９に示すような、ＲＮＮを拡張したＬＳＴＭ（Long Short-Term Memory）である。ＬＳＴＭには、順番に並ぶ複数の入力データが順次入力される。ＬＳＴＭには、前の入力データに対する出力が、次の入力データと共に自らに入力される。これにより、ＬＳＴＭは、前の入力データの特徴を考慮して次の入力データを出力することができる。このような学習器は、再帰型ニューラルネットワークとも呼ばれる。

学習処理部４４は、ネットワーク装置１６から受信した、接続元端末１２からの通信の通信履歴としてのクエリログ１６ａに基づくデータを学習データとして用いて、ＬＳＴＭを学習させる学習処理を行う。

まず、学習処理部４４は、各クエリログ１６ａに含まれる接続元端末１２を識別する情報（本実施形態では接続元端末のＩＰアドレス）に基づいて、クエリログ１６ａを接続元端末１２毎に区別する。そして、接続元端末１２毎に、各クエリログ１６ａに含まれるリクエスト日時に基づいて、対応するリクエストが送信された順番に時系列にクエリログ１６ａを並べる。さらに、時系列に並べられた各クエリログ１６ａからクエリタイプを抽出する。これにより、学習処理部４４は、クエリタイプが（送信された順番で）時系列に並べられた接続元端末１２毎のクエリタイプ列を取得する。図１０には、学習処理部４４が取得したクエリタイプ列の例が示されている。

学習処理部４４は、上述のようにして取得した接続元端末１２毎のクエリタイプ列を学習データとして用いて、接続元端末１２毎にＬＳＴＭを学習させる。具体的には、学習処理部４４は、入力されたクエリタイプ列の特徴を出力するようにＬＳＴＭを学習させる。なお、接続元端末１２毎にＬＳＴＭを学習させるとは、学習データと共に接続元端末１２を識別する情報をＬＳＴＭに入力するようにしてもよいし、接続元端末１２毎に別個のＬＳＴＭを用意するようにしてもよい。以下においては、特定の１つの接続元端末１２に関するＬＳＴＭを学習させる場合について説明する。

クエリタイプ列は、複数のクエリタイプが並べられた１つの列であるため、学習データ数（サンプル数）を増やすために、学習処理部４４は、クエリタイプ列の一部分であって、クエリタイプ列において連続する複数のクエリタイプからなる部分クエリタイプ列を１つの学習データとする。例えば、図１１に示すように、クエリタイプ列が「・・・，Ａ，ＡＡＡＡ，Ａ，ＴＸＴ，ＮＳ，Ａ，ＣＮＡＭＥ，ＡＡＡＡ，・・・」である場合、その部分クエリタイプ列である「・・・，Ａ，ＡＡＡＡ，Ａ，ＴＸＴ」を学習データとする。本実施形態では、部分クエリタイプ列の末尾のクエリタイプ（上例では「ＴＸＴ」）を学習データのうちの評価データとし、部分クエリタイプ列の評価データ以外の部分（上例では「・・・，Ａ，ＡＡＡＡ，Ａ」）を学習データのうちの学習用入力データとする。

また、同クエリタイプ列から、図１２に示すような学習データを定義することもできる。図１２の例では、部分クエリタイプ列「・・・，Ａ，ＡＡＡＡ，Ａ，ＴＸＴ，ＮＳ」が学習データとされており、そのうち、「・・・，Ａ，ＡＡＡＡ，Ａ，ＴＸＴ」が学習用入力データであり、「ＮＳ」が評価データである。

学習処理部４４は、学習データのうち、学習用入力データをＬＳＴＭに入力する。ＬＳＴＭには、学習用入力データに含まれる複数のクエリタイプが順次入力される。例えば、学習用入力データが「Ａ，ＡＡＡＡ，Ａ，ＴＸＴ」である場合、まず、１番目のクエリタイプ「Ａ」がＬＳＴＭに入力されると、ＬＳＴＭは、クエリタイプ「Ａ」の特徴を出力する。当該出力は隠れ状態ベクトルとも呼ばれる。次いで、学習用入力データの２番目のクエリタイプ「ＡＡＡＡ」がＬＳＴＭに入力されると、ＬＳＴＭは、１番目のクエリタイプ「Ａ」に対する出力（隠れ状態ベクトル）と、入力されたクエリタイプ「ＡＡＡＡ」の双方を考慮して、隠れ状態ベクトルを出力する。当該隠れ状態ベクトルは、２番目のクエリタイプ「ＡＡＡＡ」の特徴のみならず、１番目のクエリタイプ「Ａ」の特徴を考慮したものとなる。このような処理を繰り返し、学習用入力データの最後のクエリタイプ「ＴＸＴ」がＬＳＴＭに入力されると、ＬＳＴＭは、それまでに入力されたクエリタイプ「Ａ，ＡＡＡＡ，Ａ」の特徴及び入力されたクエリタイプ「ＴＸＴ」の特徴を考慮してＬＳＴＭの出力として出力する。

本実施形態では、ＬＳＴＭは、複数のクエリタイプそれぞれについての、入力された学習用入力データに後続するクエリタイプである確率を数値として出力する。例えば、入力された学習用入力データに後続するクエリタイプが「Ａ」である確率が「０．９５」、「ＡＡＡＡ」である確率が「０．０３」、「ＴＸＴ」である確率が「０．０００００００７」の如くである。

なお、ＬＳＴＭが学習用入力データに後続するクエリタイプを予測するには、学習用入力データに所定数以上のクエリタイプが含まれている必要がある。したがって、学習処理部４４は、学習用入力データが所定数以上となるように、クエリタイプ列において学習データを定義する。

学習処理部４４は、ＬＳＴＭの出力と、評価データ（すなわち正解データ）との差分に基づいて、ＬＳＴＭを学習させる。

学習処理部４４が上述の学習処理を繰り返すことで、学習済みのＬＳＴＭは、入力されたクエリタイプ列に基づいて、当該クエリタイプ列の特徴を出力することができるようになる。本実施形態では、学習済みのＬＳＴＭは、入力された学習用入力データの特徴を考慮し、当該学習用入力データに後続するクエリタイプの確率を出力できるようになる。

正常時、つまり、接続元端末１２がマルウェアに感染していない場合において、接続元端末１２からの要求に応じてＤＮＳサーバ１８に送信される複数のリクエストから取得されるクエリタイプ列は、特定の特徴を有している場合が多い。例えば、ある接続元端末１２に対応するクエリタイプ列は、「Ａ，ＡＡＡＡ，Ａ，ＴＸＴ」のパターンが多い、の如くである。このようなクエリタイプ列の特徴は接続元端末１２によって異なり得る。これは、接続元端末１２を使用するユーザが特定の行動パターンで行動している場合が多いことなどに起因するものである。例えば、ある接続元端末１２を使用するユーザが、複数の接続先ホスト１４に特定の順番でアクセスする傾向がある、あるいは、ある特定の順番でＤＮＳサーバ１８から情報を取得する傾向がある場合、当該接続元端末１２に対応するクエリタイプ列は、当該ユーザの傾向を表すものとなる。つまり、クエリタイプ列の特徴は、接続元端末１２からの通信の特徴を表すものであり、ＬＳＴＭは、接続元端末１２からよく行われる通信の特徴を学習していると言える。

このように、ＬＳＴＭは、接続元端末１２からよく行われる通信の特徴を学習しているので、あるクエリタイプ列がＬＳＴＭに入力された場合、ＬＳＴＭは、入力されたクエリタイプ列が示す接続元端末１２からの通信の特徴が、学習済みの接続元端末１２からの通信の特徴、いわば、「いつもの」接続元端末１２からの通信の特徴と同じであるのか否かを判定することができる。そして、入力されたクエリタイプ列が示す接続元端末１２からの通信の特徴と、学習済みの接続元端末１２からの通信の特徴との差分に基づいて、接続元端末１２がいつもと違う通信をしている可能性、すなわち、接続元端末１２がマルウェアに感染している可能性を出力することができる。

第２学習器３６のもう一つの代表的な態様としては、図１３に示すような、自己符号化器である。自己符号化器は、オートエンコーダとも呼ばれる学習器である。自己符号化器は、それぞれが複数のニューロン３６ａを含む複数の層３６ｂから構成される。自己符号化器は、入力データの次元数を縮小して（すなわち入力データの特徴を圧縮して）、入力データの特徴を表す圧縮された特徴ベクトル３６ｃを抽出するエンコーダ３６ｄと、圧縮された特徴ベクトル３６ｃから次元数を拡大して、元の入力データに戻して出力するデコーダ３６ｅとを含んで構成される。エンコーダ３６ｄ及びデコーダ３６ｅは、それぞれ複数の層３６ｂを含んで構成される。エンコーダ３６ｄにおいては、入力側から深い層３６ｂ側に向かうにつれ、層３６ｂが有するニューロン３６ａの数（すなわちデータの次元数）が徐々に減っていく。デコーダ３６ｅにおいては、出力側に向かうにつれ、層３６ｂが有するニューロン３６ａの数が徐々に増えていく。エンコーダ３６ｄ及びデコーダ３６ｅにおいて、ある層３６ｂに含まれる複数のニューロン３６ａと、当該層３６ｂに隣接する層３６ｂに含まれる複数のニューロン３６ａは全結合されている

学習処理部４４は、ネットワーク装置１６から受信した、接続元端末１２からの通信の通信履歴としての通信ログ１６ｂに基づくデータを学習データとして用いて、自己符号化器を学習させる学習処理を行う。

まず、学習処理部４４は、通信ログ１６ｂに含まれる情報を自己符号化器の学習データとして適した形式に変更する。具体的には、学習処理部４４は、通信ログ１６ｂに含まれる、接続元端末１２のＩＰアドレスが有する各セグメント（ＩＰｖ４ではオクテットとも呼ばれる）の数値、及び、接続先ホスト１４のＩＰアドレスが有する各セグメントの数値を連結したものを学習データとする。例えば、通信ログ１６ｂの内容が図３に示す内容であるとすると、学習データは、接続元端末１２のＩＰアドレスと接続先ホスト１４のＩＰアドレスを並べて「１９２，１６８，１８３，１９０，１９２，１６８，１８０，２２」となる。すなわち、学習データには、接続元端末１２のＩＰアドレス、及び、接続先ホストのＩＰアドレスが含まれる。

望ましくは、学習データには、通信ログ１６ｂに含まれる、タイムゾーンを示す情報及び接続先ホスト１４のＩＰアドレスの保有国を示す情報の少なくとも一方が含まれていてもよい。この場合、これらの情報がさらに連結されたものが学習データとなる。本実施形態では、学習データは、タイムゾーンを示す情報、接続元端末１２のＩＰアドレス、接続先ホストのＩＰアドレス、及び、接続先ホスト１４のＩＰアドレスの保有国を示す情報を含む。例えば、通信ログ１６ｂの内容が図３に示す内容であるとすると、学習データは、「１，１９２，１６８，１８３，１９０，１９２，１６８，１８０，２２，ｊｐ」となる。

上述の処理にて、ネットワーク装置１６に蓄積記憶された通信ログ１６ｂの数と同じサンプル数の学習データが得られる。学習処理部４４は、得られた学習データを用いて自己符号化器を学習させる。

学習処理部４４が学習データを入力データとして自己符号化器に入力すると、自己符号化器のエンコーダ３６ｄが当該入力データの特徴から圧縮された特徴ベクトル３６ｃを抽出し、自己符号化器のデコーダ３６ｅが特徴ベクトル３６ｃから入力データを復元して出力しようとする。学習処理部４４は、自己符号化器の出力データと入力データとの差分に基づいて、自己符号化器を学習させる。

学習処理部４４が上述の学習処理を繰り返すことで、学習済みの自己符号化器は、入力データの特徴を学習し、入力データが学習済みの特徴を有しているならば、当該入力データから抽出された、圧縮された特徴ベクトル３６ｃに基づいて、当該入力データを復元して出力データとして出力できるようになる。つまり、自己符号化器は、入力データが学習済みの特徴を有しているならば、当該入力データをそのまま出力データとして出力できるようになる。換言すれば、自己符号化器は、入力データがこれまでに学習していない特徴を有しているならば、当該入力データを復元して出力データとして出力することができない。その場合、入力データと出力データとが異なることとなる。

正常時、つまり、接続元端末１２がマルウェアに感染していない場合においては、接続元端末１２は、特定の複数の接続先ホスト１４にアクセスする場合が多い。これは、接続元端末１２を使用するユーザが特定の行動パターンで行動している場合が多いことなどに起因するものである。したがって、接続元端末１２のＩＰアドレスと、接続先ホスト１４のＩＰアドレスとの組み合わせが、接続元端末１２からの通信の特徴を表すものとなり得る。さらに好適には、接続元端末１２のＩＰアドレスと、接続先ホスト１４のＩＰアドレスとにタイムゾーンや接続先ホスト１４のＩＰアドレスの保有国を含めたものが、接続元端末１２からの通信の特徴を表すものとなり得る。したがって、上述の学習データを用いて学習される自己符号化器は、接続元端末１２からよく行われる通信の特徴を学習すると言える。

このように、自己符号化器は、接続元端末１２からよく行われる通信の特徴を学習しているので、接続元端末１２からの、ある通信の特徴を示す入力データが自己符号化器に入力された場合、自己符号化器は、入力データが示す接続元端末１２からの通信の特徴が、学習済みの接続元端末１２からの通信の特徴、いわば、「いつもの」接続元端末１２からの通信の特徴と同じである場合には入力データと同等の出力データを出力できるし、そうでなかれば入力データとは異なる出力データを出力することとなる。そして、入力データと出力データとの差分に基づいて、接続元端末１２がいつもと違う通信をしている可能性、すなわち、接続元端末１２がマルウェアに感染している可能性を出力することができる。

上述のように、第２学習器３６に用いられる学習データには、それが正常な接続元端末１２からの通信によって得られた学習データであるのか、マルウェアに感染した接続元端末１２からの通信によって得られた学習データであるのかを示すラベルが付されていない。したがって、第２学習器３６は、教師無し学習により学習されていると言える。なお、第２学習器３６としては、接続元端末１２からの通信の通信履歴を学習データとし、接続元端末１２の通信異常度を出力するように学習される限りにおいて、どのような学習器であってもよい。

図４に戻り、脅威度取得部４６は、学習済みの第１学習器３４に、処理対象の接続先ホスト１４である対象接続先ホスト１４ａを示す情報を入力することで、対象接続先ホスト１４ａの脅威度を取得する。

第１学習器３４の学習データに含められた、接続先ホスト１４を示す情報に応じて、対象接続先ホスト１４ａを示す情報が決定される。例えば、接続先ホスト１４のＦＱＤＮを用いて第１学習器３４が学習されたのであれば、脅威度取得部４６は、対象接続先ホスト１４ａのＦＱＤＮを学習済みの第１学習器３４に入力する。また、接続先ホスト１４のＩＰアドレス及び、当該接続先ホスト１４のＦＱＤＮを管理するネームサーバのＩＰアドレスを用いて第１学習器３４が学習されたのであれば、脅威度取得部４６は、対象接続先ホスト１４ａのＩＰアドレス及び、当該対象接続先ホスト１４ａのＦＱＤＮを管理するネームサーバのＩＰアドレスを学習済みの第１学習器３４に入力する。さらに、接続先ホスト１４のＩＰアドレスの保有国やネットワーク名を用いて第１学習器３４が学習されている場合は、脅威度取得部４６は、対象接続先ホスト１４ａを示す情報に加え、対象接続先ホスト１４ａのＩＰアドレスの保有国やネットワーク名を第１学習器３４に入力するようにしてもよい。

具体的には、接続元端末１２が対象接続先ホスト１４ａにアクセスしようとして、接続元端末１２からネットワーク装置１６に対象接続先ホスト１４ａのＦＱＤＮが送信された場合、ネットワーク装置１６は、当該ＦＱＤＮをセキュリティサーバ２２に送信する。また、ネットワーク装置１６は、当該ＦＱＤＮに基づいてＤＮＳサーバ１８から受信した、対象接続先ホスト１４ａのＩＰアドレスや、当該ＦＱＤＮを管理するネームサーバ２０のＩＰアドレスをセキュリティサーバ２２に送信する。さらに、ネットワーク装置１６がＷｈｏｉｓなどから取得した、対象接続先ホスト１４ａのＩＰアドレスの保有国を示す情報、及び、対象接続先ホスト１４ａのＩＰアドレスのネットワーク名をセキュリティサーバ２２に送信する。脅威度取得部４６は、受信したこれらの情報を学習済みの第１学習器３４に入力する。

通信異常度取得部４８は、学習済みの第２学習器３６に、処理対象の接続元端末１２である対象接続元端末１２ａの通信履歴を入力することで、対象接続元端末１２ａの通信異常度を取得する。

例えば、第２学習器３６が上述のＬＳＴＭで構成される場合、通信異常度取得部４８は、以下のように対象接続元端末１２ａの通信異常度を取得する。

まず、通信異常度取得部４８は、対象接続元端末１２ａについてのクエリログ１６ａに基づいて、学習処理部４４と同様の処理により、検出対象となる対象クエリタイプ列を取得する。通信異常度取得部４８は、取得した対象クエリタイプ列を学習済みのＬＳＴＭに入力する。１つのＬＳＴＭが接続元端末１２毎に学習されている場合には、通信異常度取得部４８は、対象クエリタイプと共に、接続元端末１２を識別する情報（ここでは接続元端末１２のＩＰアドレス）をＬＳＴＭに入力する。接続元端末１２毎に別個のＬＳＴＭが用意されている場合には、通信異常度取得部４８は、対応するＬＳＴＭに対象クエリタイプ列を入力する。

以下、第２学習器３６がＬＳＴＭである場合における通信異常度の算出処理の詳細を説明する。通信異常度取得部４８は、まず、取得した対象クエリタイプ列のうち、先頭から所定数以上のクエリタイプからなる部分対象クエリタイプ列を定義し、当該部分対象クエリタイプ列をＬＳＴＭに入力する。

ＬＳＴＭは、当該部分対象クエリタイプ列に基づいて、当該部分対象クエリタイプ列に後続するクエリタイプを予測し、各クエリタイプについての、当該部分対象クエリタイプ列に後続するクエリタイプである確率を出力する。そして、通信異常度取得部４８は、ＬＳＴＭが出力した各クエリタイプの確率のうち、対象クエリタイプ列において、実際に当該部分対象クエリタイプ列に後続するクエリタイプの確率を、当該部分対象クエリタイプ列に後続するクエリタイプの個別スコアとする。

図１４を参照しつつ、詳しく説明する。図１４には、対象クエリタイプ列「・・・，Ａ，ＡＡＡＡ，Ａ，ＣＮＡＭＥ，ＮＳ，Ａ，ＣＮＡＭＥ，ＡＡＡＡ，・・・」が示されている。通信異常度取得部４８は、まず、対象クエリタイプ列のうち、「・・・，Ａ，ＡＡＡＡ」を部分対象クエリタイプ列とし、これをＬＳＴＭに入力する。ＬＳＴＭは、部分対象クエリタイプ列「・・・，Ａ，ＡＡＡＡ」に基づいて、当該部分対象クエリタイプ列に後続するクエリタイプの確率を出力する。図１４に示すように、ここでは、代表的に、当該部分対象クエリタイプ列に後続するクエリタイプが、「Ａ」である確率が「０．９５」であり、「ＡＡＡＡ」である確率が「０．０３」であり、「ＴＸＴ」である確率が「０．０００００００７」であり、「ＣＮＡＭＥ」である確率が「０．０００００４」であるとする。

次いで、通信異常度取得部４８は、対象クエリタイプ列を参照し、入力した部分対象クエリタイプ列「・・・Ａ，ＡＡＡＡ」に実際に後続するクエリタイプを特定する。ここでは、実際の後続クエリタイプとして「Ａ」が特定される。そして、通信異常度取得部４８は、ＬＳＴＭが出力した各クエリタイプの確率のうち、特定した実際の後続クエリタイプである「Ａ」の確率である「０．９５」を当該後続クエリタイプの「Ａ」の個別スコアとする。この個別スコアは、値が小さい程、対象クエリタイプ列がより異常である（すなわち当該接続元端末１２のいつもの通信の特徴とはより異なる）ことを示す。

次いで、通信異常度取得部４８は、部分対象クエリタイプ列に、それに後続するクエリタイプを１つ追加する。図１４の例では、部分対象クエリタイプ列が「・・・，Ａ，ＡＡＡＡ，Ａ」となる。ＬＳＴＭは、同様に、部分対象クエリタイプ列「・・・，Ａ，ＡＡＡＡ，Ａ」に基づいて、当該部分対象クエリタイプ列に後続するクエリタイプの確率を出力する。図１４に示すように、ここでは、代表的に、当該部分対象クエリタイプ列に後続するクエリタイプが、「Ａ」である確率が「０．０３」であり、「ＡＡＡＡ」である確率が「０．０００００５」であり、「ＴＸＴ」である確率が「０．９３」であり、「ＣＮＡＭＥ」である確率が「０．０００００００２」であるとする。そして、通信異常度取得部４８は、ＬＳＴＭが出力した各クエリタイプの確率のうち、入力した部分対象クエリタイプ列「・・・Ａ，ＡＡＡＡ，Ａ」に実際に後続するクエリタイプである「ＣＮＡＭＥ」の確率である「０．０００００００２」を当該後続クエリタイプの「ＣＮＡＭＥ」の個別スコアとする。

その後も通信異常度取得部４８は、部分対象クエリタイプ列に１つずつクエリタイプを追加し、当該部分対象クエリタイプの後続クエリタイプの個別スコアを算出していく。

通信異常度取得部４８は、対象クエリタイプに含まれる各クエリタイプについて算出された個別スコアに基づいて、対象接続元端末１２ａの通信異常度を算出する。

個別スコアに基づく対象接続元端末１２ａの通信異常度の算出方法としては、種々の方法が考えられるが、ここでは、通信異常度取得部４８は、以下の処理によって対象接続元端末１２ａの通信異常度を算出する。

まず、通信異常度取得部４８は、対象クエリタイプに含まれる各クエリタイプのうち、予め定められた閾値（例えば０．００００１）以下の個別スコアが算出されたクエリタイプのみを抽出する。そして、クエリログ１６ａを参照し、抽出されたクエリタイプを含むリクエストのリクエスト日時、当該クエリタイプについて算出された個別スコアを含む異常ログを生成する。異常ログには、クエリタイプに対応する接続元端末１２のＩＰアドレスやクエリタイプなどが含まれていてもよい。

次いで、通信異常度取得部４８は、現時点から過去の一定時間（例えば１０分間）の枠である時間ウィンドウにおける、生成した異常ログに含まれる個別スコアに基づく評価スコアを算出する。ここでは、通信異常度取得部４８は、パープレキシティ（Perplexity）という尺度に基づいて評価スコアを算出する。具体的には、通信異常度取得部４８は、設定された時間ウィンドウ内に含まれる各異常ログ（異常ログに含まれるリクエスト日時が当該時間ウィンドウ内であるもの）に含まれる各個別スコアＰの－ｌｏｇ_２Ｐを計算し、当該時間ウィンドウ内における各個別スコアＰの－ｌｏｇ_２Ｐの平均値を算出する。当該平均値が当該時間ウィンドウの評価スコアとなる。評価スコアが大きい程、対象クエリタイプ列がより異常である（すなわち当該接続元端末１２のいつもの通信の特徴とはより異なる）ことを示す。通信異常度取得部４８は、算出された評価スコアを値が０～１となるように調整し、これを対象接続元端末１２ａの通信異常度とする。

また、例えば、第２学習器３６が上述の自己符号化器で構成される場合、通信異常度取得部４８は、以下のように対象接続元端末１２ａの通信異常度を取得する。

通信異常度取得部４８は、対象接続元端末１２ａについての通信ログ１６ｂに基づいて、学習処理部４４と同様の処理により、対象接続元端末１２ａのＩＰアドレスが有する各セグメントの数値、及び、対象接続元端末１２ａが接続した対象接続先ホスト１４ａのＩＰアドレスが有する各セグメントの数値を連結した対象入力データを取得する。自己符号化器が、タイムゾーンを示す情報を含んだ学習データで学習されている場合、通信異常度取得部４８は、通信ログ１６ｂに基づいて、タイムゾーンを示す情報、対象接続元端末１２ａのＩＰアドレスが有する各セグメントの数値、及び、対象接続先ホスト１４ａのＩＰアドレスが有する各セグメントの数値を連結した対象入力データを含む対象入力データを取得する。また、自己符号化器が、対象接続先ホスト１４ａのＩＰアドレスの保有国を示す情報を含んだ学習データで学習されている場合、通信異常度取得部４８は、通信ログ１６ｂに基づいて、対象接続元端末１２ａのＩＰアドレスが有する各セグメントの数値、対象接続先ホスト１４ａのＩＰアドレスが有する各セグメントの数値を一列に並べた対象入力データ、及び、対象接続先ホスト１４ａのＩＰアドレスの保有国を示す情報を連結した対象入力データを取得する。ここでは、通信異常度取得部４８は、タイムゾーンを示す情報、対象接続元端末１２ａのＩＰアドレスが有する各セグメントの数値、対象接続先ホスト１４ａのＩＰアドレスが有する各セグメントの数値、及び、対象接続先ホスト１４ａのＩＰアドレスの保有国を示す情報を含む対象入力データを取得する。

通信異常度取得部４８は、取得した対象入力データを学習済みの自己符号化器に入力し、当該対象入力データと、当該対象入力データに対する自己符号化器の出力データ（「対象出力データ」と呼ぶ）との比較に基づいて、対象接続元端末１２ａの通信異常度を算出する。

以下、第２学習器３６が自己符号化器である場合における通信異常度の算出処理の詳細を説明する。図１５には、学習済みの自己符号化器に入力された対象入力データと、当該対象入力データに対する自己符号化器の対象出力データとの例が示されている。通信異常度取得部４８は、対象入力データと対象出力データとを比較して、両者の差異を表す誤差スコアを算出する。

具体的には、通信異常度取得部４８は、対象入力データが有する各情報（すなわちタイムゾーンを示す情報、接続元端末１２のＩＰアドレスの各セグメント、接続先ホスト１４のＩＰアドレスの各セグメント、接続先ホスト１４のＩＰアドレスの保有国を示す情報）と、対象出力データが有する対応する情報とを比較して、各情報毎に個別誤差スコアを算出する。例えば、図１５に示すように、対象入力データにおけるタイムゾーン「１」と、対象出力データにおけるタイムゾーン「１」とを比較し、両者の差異を表す個別誤差スコア「０．０００１」を算出する。また、例えば、対象入力データにおける対象接続先ホスト１４ａのＩＰアドレスの第１セグメント「１９２」と、対象出力データにおける対象接続先ホスト１４ａのＩＰアドレスの第１セグメント「１９４」とを比較し、両者の差異を表す個別誤差スコア「０．１」を算出する。

個別誤差スコアの算出方法は種々の方法が考えられるため、任意の方法を採用することができる。ここでは、対象入力データと対象出力データとの差異が大きい程、個別誤差スコアが大きくなるように算出され、対象入力データと対象出力データとの差異が小さい程、個別誤差スコアが小さくなるように算出される。

対象入力データ及び対象出力データが有する情報毎に算出された、複数の個別誤差スコアに基づいて、対象入力データ全体と、対象出力データ全体との差異を表す誤差スコアが算出される。ここでは、対象入力データと対象出力データとの間で算出された複数の個別誤差スコアのうちの最大値を、対象入力データと対象出力データとの間の誤差スコアとする。図１５の例では、対象入力データにおける対象接続先ホスト１４ａのＩＰアドレスの第２セグメント「１６８」と、対象出力データにおける対象接続先ホスト１４ａのＩＰアドレスの第２セグメント「１９０」との間の個別誤差スコア「０．５」が最大値であるため、対象入力データと対象出力データとの間の誤差スコアが「０．５」となる。なお、誤差スコアは、対象入力データと対象出力データとの差異が大きい程、誤差スコアが大きくなるように算出される限りにおいて、その他の方法（例えば複数の個別誤差スコアの平均値など）によって算出されてもよい。

通信異常度取得部４８は、算出された誤差スコアを値が０～１となるように調整し、これを対象接続元端末１２ａの通信異常度とする。

再度図４に戻り、通信判定部５０は、脅威度取得部４６が取得した対象接続先ホスト１４ａの脅威度、及び、通信異常度取得部４８が取得した対象接続元端末１２ａの通信異常度に基づいて、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信であるか否かを判定する判定処理を実行する。

まず、通信判定部５０は、閾値対応情報３８（図５参照）を参照し、通信異常度取得部４８が取得した対象接続元端末１２ａの通信異常度に対応する脅威度閾値を特定する。例えば、閾値対応情報３８が図５に示すような内容である場合を考える。このとき、通信異常度取得部４８が取得した対象接続元端末１２ａの通信異常度が「０．７」である場合、通信判定部５０は、脅威度閾値として「０．９９」を特定する。また、通信異常度取得部４８が取得した対象接続元端末１２ａの通信異常度が「０．９５」である場合、通信判定部５０は、脅威度閾値として「０．７０」を特定する。

上述の通り、閾値対応情報３８においては、通信異常度αが大きい程、より小さい脅威度閾値が対応付けられ、換言すれば、通信異常度αが小さい程、より大きい脅威度閾値が対応付けられているから、対象接続元端末１２ａの通信異常度が大きい程、より小さい脅威度閾値が特定され、対象接続元端末１２ａの通信異常度が小さい程、より大きい脅威度閾値が特定される。

次いで、通信判定部５０は、特定した脅威度閾値と、脅威度取得部４６が取得した対象接続先ホスト１４ａの脅威度とを比較し、対象接続先ホスト１４ａの脅威度が特定した脅威度閾値以上となった場合に、対象接続先ホスト１４ａに脅威が有ると判定する。これにより、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信である、と判定する。一方、対象接続先ホスト１４ａの脅威度が特定した脅威度閾値未満である場合は、対象接続先ホスト１４ａに脅威が無いと判定する。これにより、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信は不良通信ではない、と判定する。このように、通信判定部５０は、対象接続元端末１２ａの通信異常度に基づいて、対象接続先ホスト１４ａの脅威の有無を判定する。

また、通信判定部５０は、対象接続先ホスト１４ａの脅威度に基づいて、対象接続元端末１２ａがマルウェアに感染しているか否かを判定するようにしてもよい。この場合、閾値対応情報３８として、図１６に示すように、接続先ホスト１４の脅威度βと、接続元端末１２の通信異常度に関する閾値である通信異常度閾値とが対応付けられている情報が予め用意される。

この場合、通信判定部５０は、閾値対応情報３８を参照し、脅威度取得部４６が取得した対象接続先ホスト１４ａの脅威度に対応する通信異常度閾値を特定する。閾値対応情報３８においては、脅威度βが大きい程、より小さい通信異常度閾値が対応付けられ、換言すれば、脅威度βが小さい程、より大きい通信異常度閾値が対応付けられているから、対象接続先ホスト１４ａの脅威度が大きい程、より小さい通信異常度閾値が特定され、対象接続先ホスト１４ａの脅威度が小さい程、より大きい通信異常度閾値が特定される。

そして、通信判定部５０は、特定した通信異常度閾値と、通信異常度取得部４８が取得した対象接続元端末１２ａの通信異常度とを比較し、対象接続元端末１２ａの通信異常度が特定した通信異常度閾値以上となった場合に、対象接続元端末１２ａがマルウェアに感染していると判定する。これにより、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信である、と判定する。一方、対象接続元端末１２ａの通信異常度が特定した通信異常度閾値未満である場合は、対象接続元端末１２ａはマルウェアに感染していないと判定する。これにより、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信は不良通信ではない、と判定する。

上述のように、本実施形態では、通信判定部５０は、対象接続元端末１２ａの通信異常度と、対象接続先ホスト１４ａの脅威度の両方に基づいて、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信であるか否かを判定する。これにより、単に、対象接続元端末１２ａの通信異常度に基づいて、対象接続元端末１２ａがマルウェアに感染しているか否かを判定する場合、あるいは、単に、対象接続先ホスト１４ａの脅威度に基づいて、対象接続先ホスト１４ａに脅威が有るか否かを判定する場合に比して、より高精度に対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信であるか否かを判定することができる。

例えば、本実施形態によれば、対象接続先ホスト１４ａの脅威度が低い場合であっても、対象接続元端末１２ａの通信異常度が高ければ、当該対象接続先ホスト１４ａに脅威が有ると判定することができ、すなわち、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信であると判定することができる。また、対象接続元端末１２ａの通信異常度が低い場合であっても、対象接続先ホスト１４ａの脅威度が高ければ、当該対象接続元端末１２ａがマルウェアに感染していると判定することができ、すなわち、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信であると判定することができる。

通信判定部５０は、間欠的に（例えば数分毎に）上述の判定処理を実行する。ここで、判定処理の度に、第１学習器３４に対象接続先ホスト１４ａの脅威度を出力させ、第２学習器３６に対象接続元端末１２ａの通信異常度を出力させる場合、第１学習器３４、第２学習器３６、又はプロセッサ４２の処理負荷が大きくなってしまうという問題が生じ得る。特に、セキュリティサーバ２２が多数の接続元端末１２と多数の接続先ホスト１４との間の通信について判定処理を実行する場合、その問題は顕著となり得る。

したがって、脅威度取得部４６が取得した各接続先ホスト１４の脅威度をキャッシュデータ４０（図６参照）として所定時間保持しておき、通信判定部５０は、キャッシュデータ４０の中に対象接続先ホスト１４ａの脅威度がある場合には、改めて脅威度取得部４６及び第１学習器３４に処理を行わせず、キャッシュデータ４０として保持された対象接続先ホスト１４ａの脅威度に基づいて、上述の判定処理を行うようにしてもよい。

また、通信異常度取得部４８が取得した各接続元端末１２の通信異常度をキャッシュデータ４０（図７参照）として所定時間保持しておき、通信判定部５０は、キャッシュデータ４０の中に対象接続元端末１２ａの通信異常度がある場合には、改めて通信異常度取得部４８及び第２学習器３６に処理を行わせず、キャッシュデータ４０として保持された対象接続元端末１２ａの通信異常度に基づいて、上述の判定処理を行うようにしてもよい。

再度図４に戻り、不良通信対応処理部５２は、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信が不良通信であることを通信判定部５０が判定したことに応じて、種々の処理を実行する。例えば、不良通信対応処理部５２は、ネットワーク装置１６を制御して、対象接続元端末１２ａから対象接続先ホスト１４ａへの通信を遮断する。また、対象接続元端末１２ａに警告を出力させるべく、警告出力指示を対象接続元端末１２ａに送信する。また、ネットワーク装置１６の管理者が使用する管理者端末に対して通知を出力するようにしてもよい。

以上、本発明に係る実施形態を説明したが、本発明は上記実施形態に限られるものではなく、本発明の趣旨を逸脱しない限りにおいて種々の変更が可能である。

例えば、本実施形態では、第１学習器３４及び第２学習器３６はセキュリティサーバ２２の学習処理部４４により学習されていたが、第１学習器３４及び第２学習器３６は別の装置において学習され、学習済みの第１学習器３４及び第２学習器３６がメモリ３２に記憶されてもよい。また、本実施形態では、学習処理部４４、脅威度取得部４６、通信異常度取得部４８、通信判定部５０、及び不良通信対応処理部５２の機能はセキュリティサーバ２２が有していたが、これらの機能をネットワーク装置１６が有するようにしてもよい。

１０ネットワークシステム、１２接続元端末、１２ａ対象接続元端末、１４接続先ホスト、１４ａ対象接続先ホスト、１６ネットワーク装置、１６ａクエリログ、１６ｂ通信ログ、１６ｃ判定ログ、１８ＤＮＳサーバ、２０ネームサーバ、２２セキュリティサーバ、２４通信回線、３０通信インターフェース、３２メモリ、３４第１学習器、３６第２学習器、３８閾値対応情報、４０キャッシュデータ、４２プロセッサ、４４学習処理部、４６脅威度取得部、４８通信異常度取得部、５０通信判定部、５２不良通信対応処理部。

Claims

プロセッサを備え、
前記プロセッサは、
接続先ホストを示す情報及び当該接続先ホストの脅威の有無を学習データとし、接続先ホストを示す情報が入力されたときに当該接続先ホストの脅威度を出力するように学習された第１学習器に対して、対象接続先ホストの情報を入力することで得られた前記対象接続先ホストの脅威度と、
接続元端末からの通信の通信履歴を学習データとし、前記接続元端末からの通信の異常度である通信異常度を出力するように学習された第２学習器に対して、対象接続元端末の通信履歴を入力することで得られた前記対象接続元端末の通信異常度と、
に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かを判定する、
ことを特徴とする情報処理装置。
前記プロセッサは、前記対象接続先ホストの脅威度が脅威度閾値以上となった場合に、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であると判定し、
前記対象接続元端末の通信異常度が大きい程、前記脅威度閾値が小さい、
ことを特徴とする請求項１に記載の情報処理装置。
前記プロセッサは、
前記第１学習器が出力した前記対象接続先ホストの脅威度を所定時間保持し、
保持した前記対象接続先ホストの脅威度に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かの判定を間欠的に実行する、
ことを特徴とする請求項１又は２に記載の情報処理装置。
前記プロセッサは、
第２学習器が出力した前記対象接続元端末の通信異常度を所定時間保持し、
保持した前記対象接続元端末の通信異常度に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かの判定を間欠的に実行する、
ことを特徴とする請求項１又は２に記載の情報処理装置。
前記第１学習器は、教師有り学習により学習され、
前記第２学習器は、教師無し学習により学習される、
ことを特徴とする請求項１から３のいずれか１項に記載の情報処理装置。
コンピュータに、
接続先ホストを示す情報及び当該接続先ホストの脅威の有無を学習データとし、接続先ホストを示す情報が入力されたときに当該接続先ホストの脅威度を出力するように学習された第１学習器に対して、対象接続先ホストの情報を入力することで得られた前記対象接続先ホストの脅威度と、
接続元端末からの通信の通信履歴を学習データとし、前記接続元端末からの通信の異常度である通信異常度を出力するように学習された第２学習器に対して、対象接続元端末の通信履歴を入力することで得られた前記対象接続元端末の通信異常度と、
に基づいて、前記対象接続元端末から前記対象接続先ホストへの通信が不良通信であるか否かを判定断させる、
ことを特徴とする情報処理プログラム。