マルウェアの類似性検索を強化するためのセマンティックなメトリック学習手法｜東京大学の研究

深層ニューラル埋め込みを用いたセマンティックなメトリック学習手法を提案し、従来のシグネチャベースの手法よりも高精度にマルウェアの類似性を検索できることを示した。

この要約は、論文の要旨をもとに当社が付けたものです。正確な内容は原文で確かめてください。

掲載	2025年1月1日　International Journal of Intelligent Data and Machine Learning
東海・関東の大学の著者	Yuki Nakamura（東京大学）
著者（全員）	Yuki Nakamura、Hiroshi Tanaka
原文	https://doi.org/10.55640/ijidml-v02i01-01

同じテーマの国会の議論国会の質疑・答弁 1,519件

質問2026年7月22日　参議院憲法審査会　原田大二郎
…できないおそれがあります。そのため、発議前の段階から両院の憲法審査会事務局等において、公式ウェブサイト、迅速な情報更新、サイバーセキュリティー、アクセシビリティー、公的事実に関する補足、訂正の手続、事務局の体制など、具… 会議録
答弁2026年7月16日　参議院外交防衛委員会　小杉裕一
お答えいたします。防衛省といたしましては、高度化、巧妙化するサイバー攻撃に対応するためには、防衛省と契約関係にあるプライム企業のみならず、サプライヤーを含む総合的、一体的にサイバーセキュリティー対策を講じることが重要と… 会議録
答弁2026年7月16日　参議院経済産業委員会　赤澤亮正
…た、デジタル化に係る費用が一般送配電事業者の事業実施に必要な費用総額に織り込まれております。また、御指摘のとおり、サイバーセキュリティー対策を含めて、技術進展の極めて速い分野に柔軟に対応していくことも重要と考えており… 会議録

論文の内容と国会の議論は、テーマが同じものを並べています。著者が国会で発言したという意味ではありません。

出典：OpenAlex（CC0）、国会会議録検索システム。掲載内容の訂正・削除のご依頼はお問い合わせから。