@techreport{oai:ipsj.ixsq.nii.ac.jp:00212798,
 author = {都留, 悠哉 and 川上, 朋也},
 issue = {18},
 month = {Sep},
 note = {情報セキュリティにおいて標的型攻撃の脅威が深刻化しており,対抗手段の一つとしてネットワーク侵入検知システム(Network-based Intrusion Detection System, NIDS)があげられる.NIDS はネットワークを監視し,不正な通信を検知する.NIDS に関するさまざまな研究が現在行われ,特に機械学習による高性能化が注目されている.そこで,本論文では勾配ブースティング決定木(Gradient Boosting Decision Tree, GBDT)を用いた NIDS を提案する.GBDT は教師あり学習の一つであり,高い汎化能力によって,未知のデータに対しても高い精度で判別できる.また,機械学習を用いた NIDS では学習や評価のために膨大な量のデータが必要であり,複数の NIDS 用データセットも公開されている.本論文では Kyoto 2016 Dataset を用いて提案システムの学習と評価を行い,既存システムより検知精度が向上することを確認した.},
 title = {勾配ブースティング決定木を用いたネットワーク侵入検知システムの提案},
 year = {2021}
}