サイバー攻撃の高度化・多様化に伴い、機械学習を用いた侵入検知システム(IDS: Intrusion Detection System)の研究が盛んに進められている。IDSの研究で扱われる代表的なデータセットKDDCup1999Dataでの検証では、多くの手法が高い予測精度を示している。ところが実運用においては、予測精度の高さだけなく、そのトラフィックデータが攻撃である原因を追求する必要がある。そこで本研究では、疎構造学習を用いてトラフィックデータを人間が比較的理解しやすい相関関係グラフに変換し、そのグラフ構造をグラフ畳み込みニューラルネットワークによって学習する手法を提案する。本手法により、侵入検知ができるだけでなく、攻撃の原因となる部分グラフを示すことができると考えている。