
256
12
章 ボリュームと時間の分析
本当の略奪を、略奪的な異常から区別するには、ボリュームに対する閾値を調整する必要がある。
それには可視化が必須だ。10章で標準偏差の問題を取り上げたが、ヒストグラムは、問題の分布が
ガウス分布に従うかどうかを判断する最も簡単な方法である。私の経験では、驚くほどたくさんの
サービスが定期的にホストから「略奪」している。Webスパイダやインターネットアーカイブなどが
顕著な例である。サイトが完全に内部にある場合にも、バックアップや内部監視が偽陽性として検
出される。
可視化するとこのような外れ値を特定できる。図12-3の例では圧倒的多数のトラフィックが約
1000 MB/10分以下で発生している。しかし、2000 MB/10分以上のわずかな外れ値があり、これら
が
calibrate_raid.py
だけでなく、大部分の学習アルゴリズムに問題をもたらす。外れ値を特定した
らホワイトリストに記録し、
--not-dipset
を使ってフィルタコマンドから取り除く。こうしておけば、
rwcount
を使って簡単な警告メカニズムを構築できる。
過度の外れ値を含むボリューム観測
ボリューム(パケット、6分サンプル)
図12-3 外れ値を含むトラフィック量。外れ値の発生源と原因を解明すると警告が減少する
12.4
局所性
局所性とは、参照(メモリ位置、URL、IPアドレス)が集まる傾向を指す。例えば、時間とともに
ユーザが訪問するWebページを調べると、ページの大部分が少数の予測可能なサイト ...