1．は　じ　め　に

　IDS（Intrusion Detection System）とIPS（Intrusion Prevention System）はいずれもネットワークセキュリティのためのシステムであり，シグネチャとはそれらが用いる悪性通信のパターンファイルである．本稿では，IDSとIPSを区別せずに，この二つを表す表記としてIDPS（Intrusion Detection and Prevention System）という用語を用いるものとする．IDPSは，Webサービスを公開しているサーバが設置されたネットワークや，組織のLANといった，インターネットに接続されたネットワークに設置される．

　セキュリティ運用の専門家（以下，専門家）がシグネチャをIDPSにセットする際，そのシグネチャにマッチしたときのアクションを設定する必要がある．例えば，ロギング・通知・遮断などを設定できるのだが，適切な設定はIDPSが設置されているネットワークによって異なってくるためである．シグネチャにマッチした通信を全て遮断することは現実的ではなく，また過剰な通知はセキュリティ運用者の大きな負担となってしまう．IDPSの利用者は，日々生まれる悪性通信に対応する形でこのシグネチャを用意・整備する必要がある．

　シグネチャを適切に設定するには専門性が必要であり，また判断には時間を要するため，ネットワーク運用のコストと考えられる⁽¹⁾．ある程度はIf/Thenルールで自動的に設定の分類を行うことができるが，If/Thenルールで分類できなかったシグネチャについては専門家が判断を下し手動で設定する必要がある．本稿でのIf/Thenルールとは，条件分岐及びその組合せに基づきシグネチャの分類を一意に決定するプログラムのことを指す．

　本研究ではネットワーク運用のコスト軽減を目的に，シグネチャの自動分類を行うための機械学習の適用に取り組んでいる⁽²⁾．IDPSのシグネチャやそれと役割が同じであるパターンを自動生成すること^(3)～(5)，そしてシグネチャの評価や重複の削減をするための諸技術に関する研究は数多く存在する^(1),(6)．しかしながら，シグネチャの自動設定のために分類を自動化しようという試みはほとんど行われていない．本稿では，自然言語分析に用いられる特徴量変換を行い機械学習の適用を通した特徴量の基礎的な分析を行っていく．また，If/Thenルールで分類されたシグネチャを訓練データに組み込むことが分類精度にどのように影響を与えるかについても議論を行っていく．

2．問　題　設　定