深層再帰強化学習とフェデレーションラーニング補助を活用した産業用IoTトラフィック侵入検出手法

深層循環型強化学習と連合学習を用いた産業IoTトラフィックの侵入検知手法 学術背景 産業用IoT(Industrial Internet of Things, IIoT)の急速な発展は、スマート工場や産業システムに大きな変革をもたらしました。IIoTは、インターネットを介してさまざまな産業デバイスを接続し、データ交換、遠隔制御、インテリジェントな意思決定を実現しました。しかし、このシームレスな接続性と膨大なデバイスネットワークは、産業システムがより複雑で多様なサイバーセキュリティリスクに直面する結果となりました。現実のIIoTシナリオにおいて、ネットワーク攻撃はデータ漏洩、データ操作、サービス拒否(denial of service, DoS)、および工場の生産中断などの深刻な影響を引き起こ...

非線形システムのための適応型複合固定時間RL最適化制御及び知能船舶自動操舵への応用

非線形固定時間強化学習最適化制御によるインテリジェント船舶自動操舵システムの研究 近年、インテリジェント自動操舵技術は自動化制御分野における研究の焦点の一つとなっています。複雑な非線形システムにおいて、特に固定時間内でシステムの安定性と性能最適化を実現するための最適化制御戦略の設計は、制御エンジニアと研究者にとって重要な課題となっています。しかし、既存の固定時間制御理論は、システム状態の収束を実現する際にリソース利用効率とのバランスを考慮していない場合が多く、このため過剰補償または補償不足の現象を引き起こし、システムの定常状態誤差を増加させる可能性があります。さらに、時間制限内での非線形不確実性の推定誤差最小化については、関連研究は依然として少ないのが現状です。したがって、本研究では、この重...

燃料調合スケジューリングのための嗜好予測型進化的多目的最適化

好み予測に基づく進化的多目的最適化を用いたガソリン調合スケジューリング 背景紹介 世界エネルギー市場の変化が続く中、ガソリンの生産および調合プロセスは、ますます多くの課題に直面している。ガソリンは石油産業の重要な製品であり、その調合とスケジューリングプロセスは、製品の品質および生産効率に直接影響を与える。ガソリン調合では、製品の仕様および性能要件に基づき、複数の成分を異なる比率で混合して、さまざまなグレードのガソリンを製造する必要がある。この過程では、オクタン価(Octane Number, ON)、リード蒸気圧(Reid Vapor Pressure, RVP)、鉛含有量、硫黄含有量、引火点など、複数の性能指標を満たす必要がある。これにより、厳格な品質管理が求められるだけでなく、ますます厳...

多層エンセンブルメンバーシップ推論攻撃

科学論文を深く掘り下げる:MEMIA: Multilevel Ensemble Membership Inference Attack 研究背景の紹介 デジタル技術の急速な発展に伴い、人工知能(AI)や機械学習(ML)は医療、金融、小売、教育、そしてソーシャルメディアなどのさまざまな分野に浸透しています。しかし、これらの技術の広範な利用により、プライバシー漏洩のリスクがますます顕著となっています。多くの研究では、機械学習モデルが対抗的攻撃に弱いことが示されており、その中でも重要なプライバシー攻撃の形式として、会員推論攻撃(Membership Inference Attack, MIA) が注目されています。この攻撃は、ターゲットモデルの出力分布を解析することで、特定のデータサンプルがモデル...

構造的特徴を利用した緑内障予測のための残差-密集ネットワーク

視神経頭の構造的特徴に基づく残差密集ネットワーク (RD-Net) を用いた緑内障予測 背景と研究目的 緑内障は、世界的に失明を引き起こす主な原因の1つであり、「視覚の静かな窃盗者」として知られています。その主な特徴は、視神経頭(Optic Nerve Head, ONH)の進行性の損傷であり、患者が視覚障害に気付く前に不可逆的な視力喪失を引き起こす可能性があります。統計によれば、緑内障は白内障に次ぐ失明の2番目の主要原因です。緑内障の早期スクリーニングと正確な診断は、疾患の進行管理および患者の視力維持において重要な役割を果たします。 臨床的には、緑内障の診断は以下の構造および機能性テストに基づきます:眼圧(Intraocular Pressure, IOP)の測定、視神経頭の構造評価、およ...

ポリシーコンセンサスベースの分散型決定論的マルチエージェント強化学習

戦略合意に基づく分散型決定性マルチエージェント強化学習研究レポート 強化学習(Reinforcement Learning, RL)は近年、ロボティクス、スマートグリッド、自動運転などの多くの分野で顕著な進展を遂げています。しかし、現実のシナリオでは、マルチエージェント(Multi-Agent Reinforcement Learning, MARL)の協調学習がしばしば要求されます。このような問題の中心的な課題は、通信能力の制約やプライバシー保護の条件下で、効率的なマルチエージェント協調強化学習アルゴリズムを設計することです。現在の多くのMARLアルゴリズムは、広く使用されている集中型訓練-分散型実行(Centralized Training with Decentralized Exec...