@inproceedings{oai:ipsj.ixsq.nii.ac.jp:02005105,
 author = {川田, 隼大 and 稲村, 浩 and 石田, 繁巳},
 book = {マルチメディア，分散，協調とモバイル(DICOMO2025)シンポジウム2025論文集},
 month = {Jun},
 note = {マルウェアをグレースケール画像に変換し，CNN を用いて分類する手法が注目されている．このような分類手法は軽量かつ高い精度を示す一方，画像へノイズを加えることで誤分類を引き起こす脆弱性を持つ．本研究では，画像へのノイズ追加に耐性を持たせるため，分類精度と誤分類検体の予測確信度を目的関数とした訓練データの構成比最適化手法を提案する．提案手法の有効性を検証するため，ベースライン画像分類器，単一ノイズ種で構成された画像分類器，最適構成の画像分類器の三種を用いて比較実験を行った．その結果，訓練データへのノイズ追加によって分類精度が改善され，さらに構成比を最適化することで，誤分類検体における予測確信度が抑制され，堅牢性向上に有効なことが示された．},
 pages = {592--599},
 publisher = {情報処理学会},
 title = {訓練データへの実行可能なノイズ付与によるIoTマルウェア画像分類手法の堅牢性向上の検証},
 volume = {2025},
 year = {2025}
}