教員詳細

人感センサー（赤外線センサー）は、人体を「熱源」として、人がいるかいないかを検知する。本研究は複数のセンサーを行列の形に配置(メイン画像を参照）し、特定の領域にいる人の位置、活動パターンを認識する理論と技術を提案する。サブ画像１は７つのセンサーで構成されたセンサーアレーのカバーする領域を示す。この研究プロジェクトに参加することによって、無線ネットワークを構築する技術、データ解析する技術、パターン認識する技術などについて勉強することができ、IT企業で活躍できることを期待する。

この研究を見る

ステガノグラフィーは、情報の存在を隠す技術として知られている。ステガノグラフィーと暗号化技術とを併用することによって情報の安全性を高めることができる。本研究は、どのようなステガノグラフィー技術を使えばよいか、一つのメディア（画像）にどれくらいの情報を隠せば安全といえるか、などの質問に答えたい。そのために、機械学習の方法を利用して、自然メディアと情報を隠したものとを識別する。最強の特徴を利用して、最強の機械学習の方法を使って、ステガノグラフィー技術の性能を検証する。その結果をもとに、より安全な技術を提案したい。このプロジェクトに参加する学生は、画像処理、画像認識、パターン認識、暗号化、ステガノグラフィーなどの関連技術を勉強することができ、将来、IT関連企業での活躍が期待する。

この研究を見る

〇データ隠蔽技術として昔からステガノグラフが知られている。ステガノグラフでは秘密情報はカバーデータの中に隠すことによって保護される。カバーデータとして、通常、画像、音楽などを利用する。秘密情報を隠すときに、カバーデータの「外観」をあまり変えないようにしておけば、第三者は秘密情報の存在すら知り得ないので、ステガノグラフは暗号化技術よりも「攻撃」される可能性は低いと言われている。

〇問題点としては、「カバー率」が低いことが挙げられる。即ち、顔画像などのような情報量の大きい情報を隠そうとする場合、従来の方法ではカバーデータの情報量も大きくなり、効率的でない。

〇本技術では以上の問題点を克服し、顔画像などを効率よく隠蔽することができる。

この研究を見る

〇機械学習のモデルには、ニューラルネットのような非記号的モデルと決定木のような記号的モデルがある。前者は、データに含まれる情報を効率よく取り入れることができるが、学習結果はブラックボックスであり、人間も機械も理解できない。後者は理解しやすいモデルとされている。しかし、記号的モデルの学習結果は、機械的に形式的には解釈できるが、人間が理解できないものが多い。

〇様々な応用において、コンピュータは補助的に使用され、人間が最終決断を行う。故に、学習結果を「人間に理解しやすく」する必要がある。多変数決定木技術は前記二つのモデルを融合したもので、一つのソリューションを提供する。本技術には以下の特徴がある。
?類似度を基にした多変数決定木を利用しているので、人間にも理解可能なルールを学習結果として提供することができる。
?忘却学習、注意学習、次元圧縮などいくつかの技術を採用しているので、コンパクトな多変数決定木を効率よく構築することができる。
?データ間の位相関係を階層的に可視化し、学習結果が直感的に理解できる。

この研究を見る