主要功能為網路封包側錄,不僅透過「網路流量數據」可檢測出範圍龐大且複雜的攻擊,即使訊息(如個人資料和重要數據)已經洩漏, momentum亦可進行調查破壞規模的影響範圍,足以將損害降到最低。
日商Terilogy是全球領先IT網路系統與資安服務供應商,其產品不僅協助企業改善網路性能,並可從複雜的IT基礎設備中獲得更好的回報。客戶涵蓋電信運營商、網路接入服務提供商,及對IT系統有嚴格要求的企業。此次主要代理的Terilogy「momentum資安舉證解決方案」,可協助客戶獲得確鑿證據以佐證調查,克服一般網路舉證的難處:當企業遇到需要進行網路舉證時,常遇到網路數據難以保存的問題,momentum可透過聯合資安產品的告警功能,只在特定事件發生時自動保存封包,大幅節省用戶的儲存容量。另一個常見的難題是,在高速網路環境下,封包擷取和持續數據保存功能往往無法兩全,而momentum即使在10Gbps高速流量下亦可實現「零丟包」的承諾,當重大資安事件發生時,往往遇到無法及時在任意時間中鎖定並提取任意Flow動作的狀況,momentum在「保證零丟包」前提下,亦可同時實現一面擷取封包,一面生成Flow Base index。
主要功能為網路封包側錄,不僅透過「網路流量數據」可檢測出範圍龐大且複雜的攻擊,即使訊息(如個人資料和重要數據)已經洩漏, momentum亦可進行調查破壞規模的影響範圍,足以將損害降到最低。
日商Terilogy是全球領先IT網路系統與資安服務供應商,其產品不僅協助企業改善網路性能,並可從複雜的IT基礎設備中獲得更好的回報。客戶涵蓋電信運營商、網路接入服務提供商,及對IT系統有嚴格要求的企業。此次主要代理的Terilogy「momentum資安舉證解決方案」,可協助客戶獲得確鑿證據以佐證調查,克服一般網路舉證的難處:當企業遇到需要進行網路舉證時,常遇到網路數據難以保存的問題,momentum可透過聯合資安產品的告警功能,只在特定事件發生時自動保存封包,大幅節省用戶的儲存容量。另一個常見的難題是,在高速網路環境下,封包擷取和持續數據保存功能往往無法兩全,而momentum即使在10Gbps高速流量下亦可實現「零丟包」的承諾,當重大資安事件發生時,往往遇到無法及時在任意時間中鎖定並提取任意Flow動作的狀況,momentum在「保證零丟包」前提下,亦可同時實現一面擷取封包,一面生成Flow Base index。
6. (C) 2018 LiLz Inc.https://lilz.jp/
L i L z S o u n d S e a r c h と は
After
録 音 す る
考 察
LiLz Sound Search
Before
人間が音を聞きながら探す
録 音 す る
解 析
考 察
LiLz Sound Searchにより、全ての音を聴きながら解析する作業から解放されます
6
9. (C) 2018 LiLz Inc.https://lilz.jp/
A u d i o S e t の 活 用
? AudioSetとは、Google社が公開した世界最大の音のデータセット
? https://research.google.com/audioset/
? YouTubeから収集した200万以上の音データ
? 各音は10秒で500以上の音イベントにラベリング
? 音声分類用のモデルVGGish(VGG likeなモデル)も提供
? https://github.com/tensorflow/models/tree/master/research/audioset
10. (C) 2018 LiLz Inc.https://lilz.jp/
L i L z S o u n d S e a r c h の 学 習 ? 推 論 プ ロ セ ス
P r e - t r a i n e d
V G G i s h
M o d e l
mp3/wav
FFT
128 feature
dimension
96x64 feature
dimension
M o d e l
( S u p e r v i s e d
L e a r n i n g )学習
(On Premise)
推論
(Microsoft Azure)
mp3/wav
G P U
M o d e l
( S u p e r v i s e d
L e a r n i n g )
Prediction
Label
Prediction
AudioSetで学習済みのModel(VGGish)で生成された特徴量に対してテーマに特化した
オリジナルのラベルを付与して機械学習することで聞き分けづらい音や紛らわしい音なども精度高く検出可能
10
11. (C) 2018 LiLz Inc.https://lilz.jp/
P e r f o r m a n c e
2
2
4
39
46
62
94
755
0 200 400 600 800
90min
120mi
n
3hours
1day
GPU (NVIDIA GeForce GTX 1080Ti)
CPU (Intel Core i7-7700K CPU)
C o n v e r s i o n p e r f o r m a n c e f r o m W A V t o T F R e c o r d s
E l a p s e d t i m e ( s e c o n d s )
Audiolength
11
12. (C) 2018 LiLz Inc.https://lilz.jp/
L i L z S o u n d S e a r c h の 特 長 ( 少 量 ア ノ テ ー シ ョ ン )
学 習 デ ー タ
ア ノ テ ー シ ョ ン モ デ ル 予 測
VGGishで生成された特
長量空間での距離
時間(10分間の音)
テ ス ト デ ー タ
クエリ音
※PAT.P
12
13. (C) 2018 LiLz Inc.https://lilz.jp/
L i L z S o u n d S e a r c h の 特 長 ( 少 量 ア ノ テ ー シ ョ ン )
学 習 デ ー タ
テ ス ト デ ー タ
ア ノ テ ー シ ョ ン モ デ ル 予 測
クエリ音
クエリ音と距離は遠いがヤン
バルクイナの確率が高いと
予測されたフレーム
クエリ音と距離は近いがヤンバルクイナの確
率が低いと予測されたフレーム
距離情報を見ながら必要
最低限のアノテーション
※PAT.P
13
14. (C) 2018 LiLz Inc.https://lilz.jp/
テ ス ト デ ー タ
L i L z S o u n d S e a r c h の 特 長 ( 少 量 ア ノ テ ー シ ョ ン )
学 習 デ ー タ
ア ノ テ ー シ ョ ン モ デ ル 予 測
クエリ音
カラス
ヤンバルクイナ
ヤンバルクイナ
特長量空間の距離情報を参考に必要最低限のアノテーションを行うことで検出精度が向上
※PAT.P
14
15. (C) 2018 LiLz Inc.https://lilz.jp/
Machine Centered Design
多量アノテーション
Human Centered Design
少量アノテーション
L i L z S o u n d S e a r c h の 特 長
15
16. (C) 2018 LiLz Inc.https://lilz.jp/
機械学習とIoTで、持続可能な社会の発展に貢献
M i s s i o n
Lifelong Innovation Laboratory
16
17. (C) 2018 LiLz Inc.https://lilz.jp/
O u r S e r v i c e s
17
LiLz Countは、どんなモノでも少量の学
習データで高速カウンティング可能です。
交通量調査や人混み度合い分析、生態
調査など様々な調査で活用できます。
計器値 読み取り
LiLz Gaugeは、設備保全向けにあらゆる
計器の値を自動で読み取るサービスです
。毎日のように実施している計器点検の
巡回の自動化を低コストで実現します。
音の検索
LiLz Sound Searchは、環境調査などで
必要な特定音の検索を効率化するサー
ビスです。少ない準備で、長時間の音デ
ータから全てを聴くことなく特定音を検索
することが可能です。
LiLz Sound Search LiLz Gauge LiLz Count
カウンティング
18. (C) 2018 LiLz Inc.https://lilz.jp/
大西 敬吾
CEO & Product Manager
広島大学大学院 工学研究科材料工学専攻
Team
Kuba
CTO & リード機械学習エンジニア
西銘 大喜
機械学習エンジニア
大塚 誠 Ph.D
上級研究員
UCLA B.A.Psychology/Cognitive Science
NAIST Ph.D. in Engineering
IBM東京基礎研究所/OIST
King’s College London 機械工学専攻/OIST
琉球大学大学院 理工学系研究科 情報工学専攻
常盤木 龍治
Evangelist & Coporate Strategy Director
山路 康文
Creative Fellow
SONY/秋田公立美術大学准教授
18