東京工科大学 大学案内2018
49/144

2017年4月現在環境分子情報学研究室教授・博士(工学) 杉本 岩雄 出身企業: 日本電信電話(NTT)専門分野: 生体物質工学、表面科学、薄膜工学CSエンターテイメント研究室教授・博士(工学) 松下 宗一郎専門分野: コンピューターエンターテイメントアントレプレナー専攻長/ テクノロジー・マーケティング研究室教授・学術修士 目黒 良門専門分野: マーケティング戦略論、eマーケティング知能情報処理研究室准教授・博士(工学) 長名 優子専門分野: ニューラルネットワーク、 遺伝的アルゴリズムヒューマンインタフェース研究室講師・博士(工学) 井上 亮文専門分野: ヒューマンコンピュータインタラクションブレインコンピューティング研究室講師・博士(工学) 菊池 眞之専門分野: 視覚情報処理、神経情報科学、心理物理学人工知能・機械学習研究室講師・博士(工学) 柴田 千尋専門分野: 並列分散処理、機械学習助教・博士(学術) 伏見 卓恭専門分野: 複雑ネットワーク解析、ウェブマイニング、 情報可視化IRセンター長教授・博士(工学) 七丈 直弘専門分野: 計量書誌学、イノベーション研究、 科学技術政策、クリエイティブ産業論就職特任講師 千葉 博専門分野: キャリアデザイン、キャリアカウンセリングインターネット上には「ワンクリックサイト」や「架空請求サイト」のような有害サイトが多数存在しており、こうしたサイトに子どもがアクセスできないようにするためのフィルタリングサービスも提供されています。しかし、成人対象の「出会い系サイト」などは、すべてが悪質なものとは言い切れない“グレーな存在”です。安全かどうかを教えてくれるサービスも見当たらず、現状ではユーザーが自分の判断で見極めなければなりません。そこで私は、「機械学習」という技術を用いて悪質な出会い系サイトを自動判別するフィルタリングサービスの研究に取り組みました。機械学習は「ディープラーニング」や「深層学習」とも呼ばれる技術で、コンピュータがサンプルデータを学習することで、そこに隠れているパターンや特徴を見い出し、新しいデータを自動的に分類したり予測したりします。単純な例では、イヌとネコの画像を大量に学習することで、新たな画像を読み込んだときにどちらの動物なのか判別できるようになります。私の研究では、日本語の出会い系サイトで使われている文章・単語の特徴から、コンピュータに有害サイトか否かを自動判別させることをめざしました。ゼロからの研究で手探りの連続だったのですが、特に苦労したのは、実際に大量の出会い系サイトに登録し、有害かどうかを一つひとつ調べなければならなかったこと。もちろん、研究用に取得した安全なアドレスを用いたのですが、登録サイト数は50以上に及びました。また、サイト内の文章を機械に分析させるために数値に置き換えなければならないことも大変な作業でした。こうした苦労を重ねた甲斐もあり、機械学習により危険なサイトをある程度まで自動判別できることが確かめられました。この技術を発展させれば、現在は手作業で分類している子ども向けのフィルタリングサービスに機械学習を応用できるようになるかもしれません。「機械学習」で、ネットユーザーを有害サイトから守る最先端のICTを学ぶことと、その可能性を追究することは不可分―それが本学部のスタンスです。研究室を舞台とする学生の果敢な挑戦が、これまでに多くの成果を生み出しています。情報セキュリティ研究室2017年3月コンピュータサイエンス学部卒業佼成学園女子高校出身(東京都)和田 知華 さん日立アイ・エヌ・エス・ソフトウェア株式会社既存のフィルタリング技術として主流となっている方式の例。それぞれの方式は欠点をかかえており、それらを解決する新たなフィルタリングサービスの研究に取り組んだ。ブラックリスト方式の例ホワイトリスト方式の例ストップワード方式の例47TOKYO UNIVERSITY OF TECHNOLOGYコンピュータサイエンス学部

元のページ  ../index.html#49

このブックを見る