JPWO2021183043A5

JPWO2021183043A5 -

Info

Publication number: JPWO2021183043A5
Application number: JP2021505691A
Authority: JP
Publication date: 2022-05-20
Anticipated expiration: 2040-07-30

Description

第１の態様を参照するに、受信したデータオブジェクトの各ブロックに結果値を生成する命令は処理部に、受信したデータの各ブロックに３バイトを含む結果値を生成させる命令を含み、これにより各ブロックに命令は処理部に、データオブジェクトの分解又は解釈値に基づいて、結果値の第１バイトの最上位ビット（ＭＳＢ）及び第２位のＭＳＢを設定させ、第１バイトの残りのビットを結果値の第２バイトと共に構文解析させ、ブロックに関連付けられた難読化値に基づいて構文解析の結果を設定させ、ブロックに関連付けられたフォレンジック値に基づいて第３バイトの値を設定させる。

第２の態様を参照するに、受信したデータオブジェクトの各ブロックに結果値を生成するステップは、受信したデータの各ブロックに３バイトを含む結果値を生成するステップを含み、これにより各ブロックに、本方法は、データオブジェクトの分解又は解釈値に基づいて結果値の第１バイトの最上位ビット（ＭＳＢ）及び第２ＭＳＢを設定し、第１バイトの残りのビットを結果値の第２バイトと共に構文解析して、当該ブロックに関連付けられた難読化値に基づいて構文解析の結果を設定し、当該ブロックに関連付けられたフォレンジック値に基づいて第３バイトの値を設定する。

結果値の第１バイトの最上位ビット（ＭＳＢ）及び第２位のＭＳＢを用いてデータオブジェクトのブロックが分解されたか又は解釈されたかを示し、第２バイトと共に構文解析された第１バイトの残りの６ビット（１４ビットが生成された）を用いて（ステップ４４５で計算された）データオブジェクトのブロックの難読化値を表す。次いで結果値の第３バイトを用いて（ステップ４４７で計算された）フォレンジック解析値を表す。

Claims

受信したデータオブジェクト内のデータ異常を検出するシステムであって、
処理部と、
前記処理部により可読な非一時的な媒体とを含み、前記媒体が命令を保存し、前記命令が前記処理部により実行された場合、前記処理部に、
前記データオブジェクトのデジタル署名及びファイル種類に基づいて前記データオブジェクトのセキュリティ体制を判定させ、
前記セキュリティ体制及び前記セキュリティ体制に関連付けられた前記データオブジェクトの特徴に基づいてタイプセキュリティプラットフォーム（ＴＳＰ）参照表を生成させると共に、前記ＴＳＰ参照表に基づいて前記受信したデータオブジェクトに対して難読化値及びフォレンジック値を生成させ、
前記データオブジェクトの分解値又は解釈値を生成させ、
前記受信したデータオブジェクトの各ブロックに結果値を計算させることにより、前記各ブロックに前記受信したデータオブジェクトの前記ブロックに関連付けられた前記分解値又は解釈値、難読化値及びフォレンジック値に基づいて前記結果値を生成させ、
前記データオブジェクトの全ての前記結果値に基づいてデータモデルを構築させ、
人工知能（ＡＩ）アルゴリズムを用いて前記データモデルを処理させて前記データオブジェクトがデータ異常を含むか否かを判定させる、システム。
前記受信したデータオブジェクトに対して難読化値を生成する前記命令が前記処理部に、
前記データオブジェクトを複数のデータブロックに分割させ、
各データブロックにシャノンエントロピー値を計算させる命令を含んでいる、請求項１に記載のシステム。
前記受信したデータオブジェクトに対してフォレンジック値を生成する前記命令が前記処理部に、
前記データオブジェクトを複数のデータブロックに分割させ、
頻度に基づく類似度ハッシングスキームを用いて各データブロックに類似度スコアを計算させる命令を含んでいる、請求項１又は２に記載のシステム。
前記受信したデータオブジェクトの各ブロックに前記結果値を生成する前記命令が前記処理部に、
受信したデータの各ブロックに３バイトを含む結果値を生成させる命令を含み、これにより各ブロックに前記命令が前記処理部に、
前記データオブジェクトの前記分解又は解釈値に基づいて、前記結果値の第１バイトの最上位ビット（ＭＳＢ）及び第２位のＭＳＢを設定させ、
前記第１バイトの残りのビットを前記結果値の第２バイトと共に構文解析させ、前記ブロックに関連付けられた前記難読化値に基づいて前記構文解析の結果を設定させ、
前記ブロックに関連付けられた前記フォレンジック値に基づいて第３バイトの値を設定させる、請求項１に記載のシステム。
前記データオブジェクトの全ての前記結果値に基づいてデータモデルを構築する前記命令が前記処理部に、
データ画像モデルを生成させる命令を含み、これにより前記データ画像モデル内の各ピクセルが一意な結果値に関連付けられ、各々の一意な結果値が前記データ画像モデル内で一意な画像により表される、請求項１に記載のシステム。
前記データモデルの処理に用いる前記ＡＩアルゴリズムが、
畳み込みニューラルネットワーク（ＣＮＮ）モデル、ディープニューラルネットワーク（ＤＮＮ）モデル又は再帰的ニューラルネットワーク（ＲＮＮ）モデルを含んでいる、請求項５に記載のシステム。
前記人工知能（ＡＩ）アルゴリズムを用いて前記データモデルを処理する前記命令が前記処理部に、
前記データモデルをデータベース内に含まれるデータモデルと比較させる命令を含み、前記比較が機械学習アルゴリズムを用いて実行される、請求項１に記載のシステム。
前記媒体が、前記処理部に、
前記データオブジェクトを受信及び保存すべく構成された仮想ファイルシステムを提供させる命令を更に含み、これにより前記仮想ファイルシステムが前記処理部に前記仮想ファイルシステム内の全てのステップを実行させる、請求項１に記載のシステム。
前記デジタル署名が前記データオブジェクトに関連付けられたマジックナンバーを含んでいる、請求項１に記載のシステム。
前記セキュリティ体制に関連付けられた前記データオブジェクトの前記特徴が、前記データオブジェクトのプラットフォーム種類及びファイル種類を含んでいる、請求項１に記載のシステム。
コンピュータにおける１又は複数のプロセッサに実行され、人工知能（ＡＩ）モジュールを用いて受信したデータオブジェクト内のデータ異常を検出する方法であって、
前記ＡＩモジュール内に設けられた解析器モジュールを用いて、前記データオブジェクトのデジタル署名及びファイル種類に基づいて前記データオブジェクトのセキュリティ体制を判定することと、
前記ＡＩモジュール内に設けられた前記解析器モジュール及び検出器モジュールを用いて、前記セキュリティ体制及び前記セキュリティ体制に関連付けられた前記データオブジェクトの特徴に基づいてタイプセキュリティプラットフォーム（ＴＳＰ）参照表を生成すると共に、前記ＴＳＰ参照表に基づいて前記受信したデータオブジェクトに対して難読化値及びフォレンジック値を生成することと、
前記ＡＩモジュール内に設けられた分解及び解釈モジュールを用いて、前記データオブジェクトの分解値又は解釈値を生成することと、
前記ＡＩモジュール内に設けられたブロック構築モジュールを用いて、前記受信したデータオブジェクトの各ブロックの結果値を計算することにより、前記各ブロックの前記結果値を前記分解又は解釈値、前記受信したデータオブジェクトの前記ブロックに関連付けられた難読化値及びフォレンジック値に基づいて生成することと、
前記ＡＩモジュール内に設けられたモデル生成器モジュールを用いて、前記データオブジェクトの全ての前記結果値に基づいてデータモデルを構築することと、
前記ＡＩモジュール内に設けられたＡＩ脅威モジュールを用いて、人工知能（ＡＩ）アルゴリズムを用いて前記データモデルを処理して、前記データオブジェクトがデータ異常を含むか否かを判定することと、を含む方法。
前記受信したデータオブジェクトに対して前記難読化値を生成するステップが、
前記データオブジェクトを複数のデータブロックに分割するステップと、
各データブロックにシャノンエントロピー値を計算するステップと、を含む、請求項１１に記載の方法。
前記受信したデータオブジェクトに対してフォレンジック値を生成するステップが、
前記データオブジェクトを複数のデータブロックに分割するステップと、
頻度に基づく類似度ハッシングスキームを用いて各データブロックに類似度スコアを計算するステップと、を含む、請求項１１又は１２に記載の方法。
前記受信したデータオブジェクトの各ブロックに前記結果値を生成するステップが、
受信したデータの各ブロックに３バイトを含む結果値を生成するステップを含み、これにより各ブロックに対して、前記方法が、
前記データオブジェクトの前記分解又は解釈値に基づいて前記結果値の第１バイトの最上位ビット（ＭＳＢ）及び第２ＭＳＢを設定し、
前記第１バイトの残りのビットを前記結果値の第２バイトと共に構文解析し、前記ブロックに関連付けられた前記難読化値に基づいて前記構文解析の結果を設定して、
前記ブロックに関連付けられた前記フォレンジック値に基づいて第３バイトの値を設定する、請求項１１に記載の方法。
前記データオブジェクトの全ての前記結果値に基づいてデータモデルを構築するステップが、
データ画像モデルを生成することにより、前記データ画像モデルの各ピクセルが一意な結果値に関連付けられ、各々の一意な結果値が前記データ画像モデル内で一意な画像により表されるステップを含む、請求項１１に記載の方法。
前記データモデルの処理に用いる前記ＡＩアルゴリズムが、
畳み込みニューラルネットワーク（ＣＮＮ）モデル、ディープニューラルネットワーク（ＤＮＮ）モデル、又は再帰的ニューラルネットワーク（ＲＮＮ）モデルを含む、請求項１５に記載の方法。
前記人工知能（ＡＩ）アルゴリズムを用いて前記データモデルを処理するステップが、
前記データモデルをデータベース内に含まれる複数のデータモデルと比較するステップを含み、前記比較が機械学習アルゴリズムを用いて実行される、請求項１１に記載の方法。
前記データオブジェクトの前記デジタル署名及び前記ファイル種類に基づいて前記データオブジェクトの前記セキュリティ体制を判定するステップの前に、
前記解析器モジュールを用いて、前記データオブジェクトを受信及び保存する仮想ファイルシステムを提供することにより、前記仮想ファイルシステムが前記仮想ファイルシステム内で前記方法の全てのステップを実行させるステップを更に含む、請求項１１に記載の方法。
前記デジタル署名が前記データオブジェクトに関連付けられたマジックナンバーを含む、請求項１１に記載の方法。
前記セキュリティ体制に関連付けられた前記データオブジェクトの前記特徴が、前記データオブジェクトのプラットフォーム種類及びファイル種類を含む、請求項１１に記載の方法。