セキュリティ
マルウェアの分類と脆弱性の検出に、機械学習と確率モデルの両面から取り組む。
情報セキュリティの確保は、社会基盤としての情報システムを成立させる前提条件です。安全性と信頼性を備えたネットワーク運用には高いディペンダビリティが求められますが、不正アクセスやマルウェアの手口は年々巧妙化しており、新しい脅威の出現速度に対策が追いつきにくいという構造的な難しさがあります。
当研究室では、この問題を機械学習と確率モデルの両面から扱っています。機械学習の側では、API コール列を再帰型ニューラルネットワークで解析するマルウェア分類、グラフニューラルネットワークによる脆弱なコードの検出、Transformer を用いた分類手法などを研究しています。
確率モデルの側では、脆弱性の発見過程を非同次ポアソン過程などで表現し、セキュリティパッチの最適な公開時期を導く、あるいはオペレーティングシステムの脆弱性発見数を予測するといった、定量的な意思決定を支える手法を扱っています。侵入耐性システムの可用性解析もこの流れに含まれます。