近年，Distributed Denial of Service (DDoS) 攻撃による被害が増加しており，DDoS攻撃の検知手法が数多く提案されている．その中でも，機械学習を用いた検知手法は高い検知精度が示されている．多くの研究では教師あり学習を採用しており，検知モデルを構築するために膨大な正常データと攻撃データを収集し，データに対してラベル付けを行うアノテーション作業が必要となる．本稿では，学習に攻撃データを必要とせず，正常データのみでのモデル構築を可能とする教師なし学習を用いたDDoS攻撃の検知手法について検討を行う．