学習済みディープニューラルネットワークモデルの権利保護に関する研究
学習済みディープニューラルネットワーク(DNN)モデルの権利保護のために、電子透かしをモデル内へ埋め込む技術が注目されている。本研究では、画像分類型DNNモデルを対象とし、その内部パラメータは観測できず、入力画像と出力ラベル値のみが観測できる場合でも、そのDNNモデルを学習させた著作権者の情報を視覚的に取り出すことを実現する。
近年、交通・監視・管制・指揮等の分野では、AI(人工知能)技術の適用により、システムの自動化・高性能化が推進されています。このようなシステムでは、現況を正確に「認識」し、次に起こる状況を高速に「予測」して、「実行」に移すことが求められています。しかし、危機管理などのミッションクリティカルなシステムでは、「実行」(意思決定)までを全てAIに託すには多くの技術的・運用的課題があります。このため、このようなシステムでの意思決定を支援するための研究開発に挑んでいます。
論文
「動的タイムステップ制御方式に基づく道路交通シミュレーションの実現と評価」(2007)『情報処理学会論文誌(コンピューティングシステム)』第48巻p.1-12.
「並列分散型シミュレーションエンジンの実現と評価」(2010)『電子情報通信学会論文誌D』Vol.J93-D No.10p.2209-2221.
「遅延を最小化する移動体の順序付け方式 -公正性を考慮した遅延最小化」(2015)『情報処理学会論文誌』Vol.56, No.11p.2072-2082.
特許
特願2007-211013特許第5100251号
特願2009-094875特許第5414332号
特願2012-137722特許第5843704号
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム