@techreport{oai:ipsj.ixsq.nii.ac.jp:00233293,
 author = {梶浦, 真帆 and 中村, 純哉},
 issue = {9},
 month = {Mar},
 note = {ネットワーク侵入検知システム（NIDS）は，通信トラフィックに含まれる侵入攻撃を検知するシステムである．特に機械学習に基づく NIDS は未知の攻撃に対して高い検知率を誇ることから注目を集めている．これまでにスケーラブルな分散ストリーム処理システムを活用した機械学習に基づく NIDS 向け分散処理フレームワークが提案されているが，機械学習による分類を含めた包括的な性能評価はされていない．本論文では，代表的な 5 種類の機械学習アルゴリズム（決定木，ランダムフォレスト，ナイーブベイズ，SVM，kNN）による分類器をフレームワーク上に実装し，スループットと処理遅延を評価する．評価実験の結果から，分類器による処理性能の違いと，フレームワークにおいて処理性能のボトルネックとなる箇所を明らかにする．, A Network Intrusion Detection System (NIDS) is a system that detects intrusion attacks contained in network traffic. In particular, machine learning-based NIDS has attracted attention due to its high detection rate against unknown attacks. So far, a distributed processing framework for machine learning-based NIDS utilizing a scalable distributed stream processing system has been proposed. However, a comprehensive performance, including machine learning-based classifiers, has not been evaluated. In this paper, we implement five representative classifiers (Decision Tree, Random Forest, Naive Bayes, SVM, and kNN) on the framework and evaluate their throughput and latency. From the experimental results, we will show the difference in the processing performance among these classifiers and the bottleneck in the framework.},
 title = {機械学習に基づくNIDS分散処理フレームワークの実性能について},
 year = {2024}
}