サイバー攻撃による被害の増加に伴い，マルウェアや悪性トラフィックを動的に検知・監視するNetwork-based Intrusion Detection System（NIDS）の開発が進められている．特に，Graph Neural Network（GNN）とLarge Language Model（LLM）を活用したNIDSは，異常通信の検出やサイバー攻撃の高精度な特定に優れている．その一方で，これらの手法は学習・推論の速度が遅く，大量のラベル付きデータを必要とするため，モデルの継続的な学習によるネットワーク環境の変化や新たなサイバー攻撃への対応が難しいという課題がある．本研究では，既存の深層学習アーキテクチャおよび学習手法を改善し，継続的な学習が容易なNIDSの開発を目指す．