# 時系列トラフィックパターン検知 ## 定義 時系列トラフィックパターン検知(Time-series Traffic Pattern Detection)は、単一期間のフロー統計(パケット数・ヘビーヒッター・カーディナリティ等)ではなく、複数の測定期間にまたがるフロー頻度の変化系列から、バースト・ウェーブ・promising(持続的上昇トレンド)といった動的な挙動パターンを識別するネットワーク計測タスクである。ステルス攻撃の検知、ネットワークエンジニアリングにおける一過性の性能問題の診断、E コマースにおけるホットスポットの把握などに用いられる。プログラマブルスイッチ(例: Intel Tofino)上でこれを線速(line rate)で実行する場合、オンチップのメモリ・計算資源が厳しく制限される点が課題となる。(Source: [[@2026__EuroSys__PatternSketch - General and Runtime Reconfigurable Time-series Network Traffic Pattern Detection]] §1) [[PatternSketch]] は、多様な時系列パターンの定義が「隣接2期間間の変化」を表す少数の**マイクロパターン**(Sudden Increase / Sudden Decrease / Gradual Increase / Gradual Decrease / Stable)の系列として統一的に抽象化できるという観察に基づき、パターン検知を有限状態オートマトン(Pattern Automaton)による系列マッチング問題へ帰着させる。これにより、パターンごとに専用スケッチを用意する既存アプローチとは異なり、単一のスケッチで複数パターンを同時検知できる。(Source: [[@2026__EuroSys__PatternSketch - General and Runtime Reconfigurable Time-series Network Traffic Pattern Detection]] §3.2) ## 横断的知見 - (このページは PatternSketch 1ソースのみで開設した。横断的知見は2ソース目以降の突き合わせで蓄積する。) ## 未解決の問い - 既存の単一パターン特化型システム(BurstSketch・Pontus・ScoutSketch・X-Sketch)は、それぞれ異なる検知アルゴリズムと理論保証を持つ。これらを PatternSketch のマイクロパターン抽象化に統一した際、各手法固有の理論的精度保証(誤差上界など)はどの程度保存されるか、または劣化するか。 - Pattern Automaton は単変量のトラフィック頻度のみを扱い、多変量パターン(例: 金融のローソク足パターンに類する複数指標の同時変化)は将来課題として明示的に除外されている。多変量への拡張はマイクロパターンの次元をどう増やすことで可能になるか。 - 期間をまたぐバースト(across-period burst、BurstDetector が対象とする)は PatternSketch の対象外とされている。Pattern Automaton の状態設計を拡張してこれを取り込めるか、それとも別のオートマトン設計が必要か。 - サブポピュレーション(多次元フローデータの任意の部分集合)にまたがる時系列パターン検知は、Hydra・OmniSketch がサブポピュレーション分析を提供する一方、異常/時系列パターン検知はできないという限界が指摘されている(§8)。両者を統合する設計はどのようなメモリ・精度のトレードオフを持つか。 ## 関連 - ソース: [[@2026__EuroSys__PatternSketch - General and Runtime Reconfigurable Time-series Network Traffic Pattern Detection]] - エンティティ: [[Intel Tofino]] / [[Soochow University]] / [[Yang Du]] / [[He Huang]] / [[Yu-E Sun]] - 関連手法(source 内で言及、entity 未作成): BurstSketch(バースト検知)、Pontus(ウェーブ検知)、ScoutSketch(promising 検知)、X-Sketch(simplex パターン)、UnivMon・Hydra(オフライン分析型の対比対象) ## 出典 - [[@2026__EuroSys__PatternSketch - General and Runtime Reconfigurable Time-series Network Traffic Pattern Detection]] §1(モチベーション)、§2.2(既存研究の限界)、§3.2(Pattern Automaton の定義)、§8(future work)