@techreport{oai:ipsj.ixsq.nii.ac.jp:00228012,
 author = {髙橋, 雄志 and 山口, 晋一 and 石川, 冬樹 and Yuji, Takahashi and Shinichi, Yamaguchi and Fuyuki, Ishikawa},
 issue = {32},
 month = {Sep},
 note = {IoT 時代の到来により様々なシステムが連携した新しいサービスが登場するようなった．中でも人工知能などの機械学習を用いたシステムは，我々の生活に根差したサービスを提供するようになってきている．しかし，それらのサービスを構成するすべてのシステムにおける安全性が確保されているとは限らない．我々はこれまでに機械学習を用いたシステムに対するリスク分析手法 MLRAT の学習前にリスクを事前把握する部分についてフォーカスを当てた提案をしてきた．本稿は，機械学習後のシステムに対する分析の詳細と導き出されたリスク値を関与者それぞれの立場でどのように判断するべきかについての検討を行った結果を報告するものである．, Technical phase changing to IoT, then new service was appeared that is several services cooperative. We have a service that uses machine learning that is closely related to our life. But not all systems that make up those services are secure. We have previously proposed a risk analysis methodology for systems using machine learning, called MLRAT, which focuses on anticipating risks before the learning process. In this paper, we delve into the after-machine learning system analysis in detail and discuss how the derived risk values should be assessed by stakeholders from their respective standpoints. This report provides insights into these aspects.},
 title = {MLRATを用いたモデル学習後のリスク分析とリスク対応の検討},
 year = {2023}
}