policy:
new=新しい機械学習
edit=アノマリ検知設定の編集
id=ID
policy=サーバポリシ
domain_count=ドメイン数
hmm_engine=HMMエンジン
automatic_refresh_model=ラメーターが変更されると同時にアップデート
hmm_setting=HMMの設定
hmm_evaluation_setting=HMMパラメーターモデルをアップデート
automatic_refresh_model=パラメーターが変更されると同時にアップデート
box_notch_count=箱ひげ図の数が重ならない場合のパラメーターモデルの更新
anomaly_detection_setting=アノマリー検知設定
anomaly_detection_method=アノマリー検知方法
automatic=自動
quantile=分位数
quantile_potential=潜在的なアノマリー検知の厳密性
quantile_definitely=明確なアノマリー検知の厳密性
tolerance_potential=潜在的なアノマリー検知の厳密性
tolerance_definitely=アノマリー検知の厳密性
tolerance_definitely_unit=標準偏差
model_min_learn_time=サンプル採取期間
model_min_learn_time_unit=週間
refresh_model_type=パラメータ更新方法
trigger_action_setting=トリガーアクションの設定
action_protential=潜在的なアノマリーに対するアクション
action_definitely=明確なアノマリーに対するアクション
action_page_method=HTTPメソッドの違反に対するアクション
training_sample_collecting_setting=トレーニングサンプル収集設定
allow_domain=ドメインからサンプルの収集を許可
source_ip_list=ソースIPリスト
ip_list_type=IPリストの種類
trust=ホワイトリスト
black=ブラックリスト
div_source_ip_list_tip=以下のソースIPリストからのサンプル収集を許可もしくは拒否。
err_box_notch_count= は無効な値です。\nboxplotのノッチ数は1~3にして下さい。
err_tolerance_potential= は無効な値です。\n潜在的なアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_tolerance_definitely= は無効な値です。\nアノマリーの厳密性レベルは1～10である必要があります。
err_model_min_learn_time= 無効な値です。サンプル収集期間は1〜8でなければなりません。
err_tolerance=潜在的なアノマリーの厳密性レベルは確定したアノマリーの厳密性レベルより大きくなくてはいけません。
err_quantile_potential= は無効な値です。\n潜在的なアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_quantile_definitely= は無効な値です。\n確定したアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_quantile=潜在的なアノマリーの厳密性レベルは確定したアノマリーの厳密性レベルより大きくなくてはいけません。
alert=Alert
alert_deny=Alert & Deny
block_period=ブロック期間
period_block=ブロック期間
domain=ドメイン
ip_range=IP範囲
ip_range_tip=(例： 1.2.3.4-1.2.3.40, 2001::1-2001::100)
domain_name=ドメイン名
domain_name_hint=フルにドメインネームを記述するか、ワイルドカード"*"で複数のドメインを収容して下さい。
domain_index=ドメインインデックス
view_domain=ドメイン閲覧
view_domain_data=ドメインデータ閲覧
rbtn_url=< バック
access_heat=アクセス頻度
start_time=開始時間
url_number=URL数
alert_block=アクション(Alert/Block)
service=サービス(HTTP/HTTPS)
page_charset=Page Charset
ml_events=機械学習イベント
top10=Top 10 URL ヒット
traffic_trend=HTTP/HTTPSトラフィックの傾向
hmm_chart=HMM学習の進捗
event_trend=アノマリーに起因する違反
allow_method_chart=メソッド学習過程を許可
method_trend=メソッド違反傾向を許可
ua_stat_collecting=収集
ua_stat_building=構築中
ua_stat_testing=テスト中
ua_stat_running=動作中
ua_stat_discarded=破棄
am_stat_learn=学習中
am_stat_finish=終了
http_requests=HTTPリクエスト
ssl_requests=HTTPSリクエスト
potential_anomalies=潜在的なアノマリー
definitly_anomalies=アノマリー
alert_requests=Alert
block_requests=Block
detecting=検知中
default=デフォルト
http_method_violation=HTTPメソッドの違反
refresh_domain_tip=リビルドは、既存の全ての学習を削除します。このドメインをリビルドしますか？
param_name=パラメータ名
hmm_stage=HMM学習ステージ
boxplot=boxplot範囲の評価
anomaly_detection_settings=アノマリー検知設定
inherite_settings=グローバル設定を継承
specific_settings=カスタム設定
potential_t=潜在的なアノマリー検知の厳密性
definitely_t=アノマリー検知の厳密性
abnormal_arguments=異常な引数
value=値
operations=オペレーション
refresh=リフレッシュ
discard=破棄する
normal=正常
speedy=Fast
anomaly=アノマリー
web_attack_validation=脅威モデル
xss_model=学習された数学的モデルによるクロスサイトスクリプティング
xss_model_detail=学習された線形カーネル法を用いたサポートベクターマシンモデルによるクロスサイトスクリプティングアタック
sql_model=学習された数学的モデルによるSQL Injection
sql_model_detail=学習された線形カーネル法を用いたサポートベクターマシンモデルによるSQLインジェクション攻撃
commandi_model=学習された数学的モデルによるコマンドインジェクション
commandi_model_detail=学習されたシグモイドカーネル法を用いたサポートベクターマシンモデルによるコマンドインジェクション攻撃
lfi_rfi_model=学習された数学的モデルによるローカルファイル/リモートファイルインクルード
lfi_rfi_model_detail=学習された動径基底関数カーネル法を用いたサポートベクターマシンモデルによるローカルファイル/リモートファイルインクルード攻撃
codei_model=学習された数学的モデルによるコードインジェクション
codei_model_detail=学習されたシグモイドカーネル法を用いたサポートベクターマシンモデルによるコードインジェクション攻撃
commoni_model=学習された数学的モデルによる汎用インジェクション
commoni_model_detail=学習された多項式カーネル法を用いたサポートベクターマシンモデルによる汎用インジェクション攻撃
remote_ex_model=学習された数学的モデルによるリモートエクスプロイト
remote_ex_model_detail=学習された多項式カーネル法を用いたサポートベクターマシンモデルによるリモートエクスプロイト攻撃
ssi_model=学習された数学的モデルによるサーバーサイド・インクルードインジェクション
ssi_model_detail=学習されたシグモイドカーネル法を用いたサポートベクターマシンモデルによるサーバーサイド・インクルードインジェクション攻撃
format_str_model=学習された数学的モデルによるフォーマットストリング攻撃
format_str_model_detail=学習されたシグモイドカーネル法を用いたサポートベクターマシンモデルによるフォーマットストリング攻撃
view_threat_models=脅威モデルの参照
set_attack_vali_failed=脅威モデルの設定に失敗しました。
enable_vali_first=最初に脅威モデルを有効にして下さい
app_change_sensitivity=アプリケーション変更感度
low=低
medium=中
high=高
info=Informative
hmm_evaluation_setting_tip=FortiWebは既存のboxplot範囲との差分に合わせてアップデートします。どのぐらいの感度でアプリケーション変更を行うか選択して下さい。
anomaly_detection_setting_tip=アノマリを検出する閾値レベル（1〜10）を選択します。値が高いほど、トリガーされるアノマリは少なくなります。
web_attack_vali_setting_tip=アノマリーをスキャンして攻撃かどうかを確認します
trigger_action_setting_tip=全てのリクエストは、まずHMMによってスキャンされ、次に脅威モデルでスキャンされます。アタックが確認された場合、アクションを選択します。
action_replace_templates=URL書換ポリシー
select=選択してください
status=テータス
running=動作中
stopped=停止
err_domain=ドメイン名には、英数字、'.'、'-'、'*' しか含めることができません。
rebuild=リビルド 
relearn=再学習
block_period_potential=潜在的なアノマリーのブロック間隔
severity_potential=潜在的なアノマリーのログシビリティ
trigger_potential=潜在的なアノマリーのトリガーポリシー
block_period_definite=確定したアノマリーのブロック間隔
severity_definite=確定したアノマリーのログシビリティ
trigger_definite=確定したアノマリーのトリガーポリシー
block_period_method=HTTPメソッド違反のブロック間隔
severity_method=HTTPメソッド違反のログシビリティ
trigger_method=HTTPメソッド違反のトリガーポリシー
err_block_period=ブロック間隔は1~3600で設定して下さい。
import=インポート
export=輸出する
import_file=インポートするアノマリ検知データファイルを選択してください
err_import_file=インポートするファイルを指定する必要があります
err_import=ファイルのインポートに失敗しました
import_dialog=アノマリ検知データのインポート
export_dialog=アノマリ検知データのエクスポート
import_success=アノマリ検知データのインポートに成功しました
export_success=アノマリ検知データのエクスポートに成功しました
sample_collecting_mode=サンプル収集モード
sample_collecting_mode_tip=Fastを選んだ場合、学習中フェイズで収集されるサンプルは少なくなります。
potential_anomaly=潜在的なアノマリー
definite_anomaly=アノマリ検知
method_violation=HTTPメソッドの違反
trigger_policy=トリガーポリシ
name=名前
http_method_setting=HTTPメソッド設定
http_method=HTTPメソッド
http_method_setting_tip=無効にした場合、機械学習は学習せずにHTTPメソッドをチェックします。
learning_cycle_setting=学習サイクル

wizard:
wizard_prev=Back
wizard_next=Next
wizard_done=新規作成
cancel=キャンセル
ml_create=新しい機械学習
ml_wizard=機械学習設定ウィザード
hmm_settings=HMM設定
training_sample_settings=学習サンプル収集設定
hmm_evaluation_settings=HMM設定パラメーターモデルのアップデート
anomaly_detection_settings=アノマリー検知設定
attack_validation_settings=脅威モデル設定
trigger_action_settings=トリガーアクションの設定
hmm_engine=HMMエンジン
enable=Enable
disable=Disable
allow_sample_domains=ドメインからサンプルの収集を許可:
allow_sample_ip=IPからサンプルの収集を許可:
domain=ドメイン
source_ip=IP範囲
ip_range_tip=(例： 1.2.3.4-1.2.3.40, 2001::1-2001::100)
auto_refresh=パラメーターが変更されたら動的にアップデートを行う
refresh_condition=boxplot範囲が重複しない場合、パラメーターモデルをアップデート
detection_method=アノマリー検知メソッド
automatic=自動
quantile=分位数
t_potential=潜在的なアノマリー検知の厳密性
t_definite=確定したアノマリー検知の厳密性
q_potential=潜在的なアノマリー検知へのアクション
q_definite=確定したアノマリー検知へのアクション
action_potential=潜在的なアノマリー検知へのアクション
action_definite=確定したアノマリー検知へのアクション
action_http=HTTPメソッドの違反へのアクション
alert=Alert
deny=Deny
svm_description=脅威モデルは学習されたSVM（サポートベクターマシン）を利用してHMMによって検知されたアノマリーが実際の攻撃であるか判断します
attack_validation=脅威モデル
action_potential_detail=Webへの攻撃のチェックが一致した場合:
action_definite_detail=Webへの攻撃のチェックが一致した場合:
err_box_notch_count=boxの数は1~3にして下さい.
err_tolerance_potential=潜在的なアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_tolerance_definitely=アノマリーの厳密性レベルは1～10である必要があります。
err_quantile_potential=潜在的なアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_quantile_definitely=確定したアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_quantile=潜在的なアノマリーの厳密性レベルは確定したアノマリーの厳密性レベルより大きくなくてはいけません.
err_float_accuracy_t_potential=潜在的なアノマリーの厳密性レベルを入力して下さい。最も近い値は ceil(
err_float_accuracy_t_definite=確定したアノマリーの厳密性レベルを入力して下さい。最も近い値は ceil(
err_float_accuracy_q_potential=潜在的なアノマリーの厳密性レベルを入力して下さい。最も近い値は ceil(
err_float_accuracy_q_definite=確定したアノマリーの厳密性レベルを入力して下さい。最も近い値は ceil(
err_float_accuracy_body=), floor(
err_float_accuracy_tail=).
app_change_sensitivity=アプリケーション変更感度
low=Low
medium=Medium
high=High
source_ip_list=ソースIPリスト
ip_list_type=IPリストの種類
trust=ホワイトリスト
black=ブラックリスト
tip_http2=ボット検知はHTTP2トラフィックをサポートしません。

report: 
access_heat=アクセス頻度
train_start_time=モデルが初期化された日
action=アクション(Alert/Block)
alert=Alert
block=Block
potential=潜在的なアノマリー
definitely=アノマリー
parameters=パラメータ
allow_method=許可メソッド
name=パラメータ名
learning_stage=HMM学習ステージ
required_time=必要な収集時間
required_samples=必要なサンプル
left_samples=残サンプル
left_times=残接続時間
details=HMMの詳細
finished=終了
learning=学習中
am_learning_stage=許可メソッド学習ステージ:
am_adjust=メソッドの許容範囲を調整:
am_settings=許可メソッド設定
by_mlearning=機械学習の結果
customized=カスタマイズされた
traffic_trend=違反の傾向
anomaly_event_statistics=アノマリータイプに
anomaly_event_statistics_2=基づくトリガーされた違反
collecting=収集
finish=仕上げ
build_finish=構築終了
building=構築中
testing=テスト中
running=動作中
discarded=破棄
refresh=リフレッシュ
apply=適用
back=バック
error_msg_get_am=許可メソッドの取得に失敗しました。
error_msg_set_am=許可メソッドを失敗に設定する。
set_am_success=許可メソッドを成功に設定する。
confirm_refresh_url=URLのリビルドは、既存の全ての学習を削除します。このURLをリビルドしますか？
confirm_refresh_dir=ディレクトリのリビルドは、既存の全ての学習を削除します。このディレクトリをリビルドしますか？
confirm_refresh_arg=パラメーターのリビルドは、既存の全ての学習を削除します。この引数をリビルドしますか？
confirm_relearn_url=URLを再学習すると、モデルが収集ステータスに切り替わり、さらにサンプルが収集されます。このURLを再学習しますか？
confirm_relearn_dir=ディレクトリを再学習すると、モデルを収集ステータスに切り替えて、より多くのサンプルを収集します。このディレクトリを再学習しますか？
confirm_relearn_arg=パラメータを再学習すると、モデルを収集ステータスに切り替えて、より多くのサンプルを収集します。このパラメータを再学習しますか？
confirm_discard_arg=引数の破棄を本当に実行しますか？
boxplot=boxplot範囲の評価
anomaly_detection_settings=アノマリー検知設定
inherite_settings=グローバル設定を継承
specific_settings=カスタム設定
potential_t=潜在的なアノマリー検知の厳密性
definitely_t=アノマリー検知の厳密性
tolerance_definitely_unit=標準偏差
potential_q=潜在的なアノマリー検知の厳密性
definitely_q=明確なアノマリー検知の厳密性
abnormal_arguments=異常な引数
id=ID
value=値
operations=オペレーション
refresh=リフレッシュ
discard=破棄する
normal=正常
anomaly=異常
type=アノマリートリガータイプ別
box_plot_title=boxplot範囲の確率
box_plot_description=boxplot範囲はパラメータが変更されたかどうか評価するために使用されます。
scatter_title=HMMによるアノマリートリガーの分布
ml_sd_title=アノマリ厳密性レベルの詳細
sample_length=サンプル長
sample_probability=サンプル確率
err_box_notch_count=boxの数は1~3にして下さい。
err_tolerance_potential=潜在的なアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_tolerance_definitely=アノマリーの厳密性レベルは1～10である必要があります。
err_quantile_potential=潜在的なアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_quantile_definitely=確定したアノマリーの厳密性レベルは0.0～1.0である必要があります。
err_quantile=潜在的なアノマリーの厳密性レベルは確定したアノマリーの厳密性レベルより大きくなくてはいけません
err_float_accuracy_t_potential=潜在的なアノマリーの厳密性レベルを入力して下さい。最も近い値はceil(
err_float_accuracy_t_definite=確定したアノマリーの厳密性レベルを入力して下さい。最も近い値はceil(
err_float_accuracy_q_potential=潜在的なアノマリーの厳密性レベルを入力して下さい。最も近い値はceil(
err_float_accuracy_q_definite=確定したアノマリーの厳密性レベルを入力して下さい。最も近い値はceil(
err_float_accuracy_body=)，) です。
err_float_accuracy_tail=)。
past_24_hours=直近 24時間
import_file=ファイルのインポート
password=パスワード
confirm_password=パスワード再入力
import=インポート
export=輸出する
cancel=キャンセル
import_dialog=インポートダイアログ
export_dialog=エクスポートダイアログ
err_import_file=インポートするファイルを指定して下さい。
err_import_password=インポートパスワードが必要です。
err_export_password=パスワードが一致しません。
err_export=引数データのエクスポートに失敗しました。
err_import=ファイルのインポートに失敗しました。
err_empty_password=パスワードを入力して下さい。
success_import=インポートに成功しました。
success=操作に成功しました。
no_access_record=参照可能なレコードがありません。
domain=ドメイン
no_entries=表示するエントリーがありません。
error_msg_empty=少なくとも一つの許可メソッドを選択する必要があります。
boxplots_replacer=パラメーターステータスがテスト中もしくは動作中モードの場合、boxplotチャートで表示されます。
distribution_replacer=パラメーターステータスがテスト中もしくは動作中モードの場合、アノマリー分布データが表示されます。
rebuild_url=URLのリビルド
rebuild_arg=パラメーターのリビルド
relearn_url=URLを再学習
relearn_arg=再学習パラメータ
anomaly_samples=アノマリーサンプル
additional_samples=追加のサンプル
noisy_samples=ノイズの多いサンプル
historical_learning_events=イベント
time=Time
detail=Detail
ip_addr=IP Address
percent=Percent
sample_source_top10=上位10のソースIP
view_hmm_detail=HMMの詳細を見る
rebuild_directory=ディレクトリの再構築
relearn_directory=ディレクトリを再学習
urlsWithParam=パラメータを含むURL
Add Filter=フィルタ追加
filter_remove=フィルタ削除
refresh_method=Rebuild Method
confirm_refresh_method=Rebuild Methodは既存メソッドの学習をすべて削除します。このメソッド学習ステージを再構築してよろしいですか？
manual=マニュアル
days=日
hours=時間
minutes=分
collected_samples=採取されたサンプル
test_sample_dialog=サンプルテスト
sample=サンプル:
test=サンプルテスト
probability=確率:
detection_result=検出結果:
test_normal=アノマリ
test_abnormal=異常
err_empty_sample=サンプルを空にすることはできません。
err_test_sample=テストに失敗しました。
detectionSetting_description=厳密性レベルを変更して、サンプルへの影響を表示します。テストサンプルを使用して、確率を確認します。
rebuild=再構築
relearn=再学習

bot_status:
detection=モデル検知
status=モデルの状態
operation=オペレーション
selected_model=選択されたモデル
model_information=モデル情報
model_statistics=モデル統計
training_set=トレーニングセット
test_set=テストセット
loose=中程度
strict=厳密
rebuild=再構築
refresh=更新する
rebuild_confirm=再構築のオペレーションは、現在のモデル設定と収集されたサンプルで新規モデルを構築します。ご確認ください。
refresh_confirm=更新のオペレーションでは、収集されたすべてのサンプルと既存のモデルが削除され、モデルの生成方法が再学習されます。ご確認ください。
loose_model=中程度モデル
strict_model=厳密モデル
training_accuracy=トレーニング精度
testing_accuracy=テスト精度
cross_validation=クロスバリデーション
ml_events=機械学習イベント
chart_model_comparison=モデル比較
chart_anomaly_trend=アノマリトレンド
chart_traning_accuracy=トレーニング精度
chart_test_accuracy=テスト精度
chart_cross_validation=クロスバリデーション
chart_confirmed_anomaly_trend=確認済みのボット
chart_traffic_anomaly_trend=アノマリトレンド
chart_traffic_total_trend=トラフィックトレンド
chart_regular=正常
chart_anomaly=アノマリ
status_none=なし
status_collecting=収集中
status_building=構築中
status_testing=テスト中
status_running=準備完了
status_failure=失敗
status_Deleting=削除中
