日時: 9月22日(木)3限(13:30-15:00)

会場: L1

司会: KIM Youngwoo
濱田 雅大 M, 2回目発表 サイバーレジリエンス構成学 門林 雄基, 安本 慶一, 荒牧 英治, 妙中 雄三
title: Building a Federated Personalized Recommendation Model to Balance Similarity and Diversity
abstract: With the spread of on-demand movie distribution, personalized movie recommendations that match user preferences are required to improve service quality and retention rates. In recent years, it has become clear that the retention rate can be improved by recommending not only movies similar to the user’s favorite movies. Diversity is also used as an important indicator.In general, movie recommendation uses viewing history and evaluation scores to select recommended movies, and video distributors must store and use user information. However, based on EU General Data Protection Regulation (GDPR), there are restrictions on the retention and use of such data that can be used to infer personal tastes and thoughts, and this creates a problem that individualized movie recommendations cannot be made based on the user’s viewing log. In contrast, the use of Federative Learning (FL), which can recommend movies without holding data, has been attracting attention, but since training data is trained on the user’s terminal, it tends to learn too much about the tendencies of each terminal. Therefore, we propose a method for constructing a privacy protection recommendation model that achieves both similarity and diversity. By selecting training data in a way that does not impair either similarity or diversity, and building a mechanism for learning on each terminal, we aim to construct a privacy-protective recommendation model that recommends a variety of movies while maintaining similarity to the browsing log
language of the presentation: Japanese
発表題目: 類似性と多様性を両立する連合型個別化推薦モデルの構築
発表概要: オンデマンドの映画配信が普及し,サービス品質やリテンション率の向上のためにユーザの嗜好に合う個別化された映画推薦が求められている.近年では,ユーザが好む映画に似たものだけでなく,多様な映画を推薦することでリテンション率が改善する事が明らかとなっており,推薦内容の類似性に加えて多様性も重要な指標として着目されている.一般に映画推薦では視聴履歴や評価スコアを用いて推薦映画を選択しており,映像配信事業者がユーザの情報を保存・利用する必要がある.しかし,EU一般データ保護規則(GDPR)に代表される法令に基づき,個人の趣味趣向や思想を推論可能なそれらのデータの保持・利用に制限が設けられており,映画推薦でユーザの閲覧履歴に紐付いた個別化推薦ができないという問題が生じる.それに対して,映像配信者がそれらのデータを持たずに映画推薦を行うために連合学習の活用が注目されているが,ユーザの端末上で訓練データを学習させることから各端末のもつ傾向を過度に学習しやすく,閲覧履歴データと極端に類似度の高い推薦となり推薦内容での多様性の導入は難しい.そこで本研究では,類似性・多様性を両立したプライバシ保護推薦モデルの構築方法を提案する.類似性・多様性のいずれかを損なわないように訓練データを取捨選択し,各端末上で学習する仕組みを構築することで,過去の閲覧履歴に類似しつつ多様な映画を推薦するプライバシ保護推薦モデルの構築を図る.
高野 誠也 M, 2回目発表 情報セキュリティ工学 林 優一, 岡田 実, 安本 慶一, 藤本 大介, KIM Youngwoo
title: Development of an Evaluation System for Modeling of Information Leakage Induced by Low-Power IEMI
abstract: The threats of electromagnetic (EM) information leakage induced by low-power intentional EM interference have been reported. A leakage frequency estimation method has been proposed, focusing on the frequency characteristic of the digital IC's input impedance, which is one of the factors inducing EM information leakage. However, the method only applies to the IC that output states are controllable. This paper shows an evaluation system that can measure changes in the input impedance of ICs, which is difficult to control the output states. In the experiment, two types of D-class audio amplifier ICs were targeted, and we measured the input impedance changes according to the output states.
language of the presentation: Japanese
発表題目: 意図的な電磁妨害により生ずる情報漏えいのモデル化に向けた評価環境の構築
発表概要: 意図的な電磁妨害時に生じる電磁放射によって機器内部の情報が漏えいする脅威が報告されている。 これまで、漏えいを引き起こす要素の1つであるデジタルICの入力インピーダンスの周波数特性に着目した 漏えい周波数の推定手法が提案されてきたが、適用範囲が出力状態を制御可能なICに限られていた。 そこで本稿では、出力状態の制御が困難なICの入力インピーダンスの変化を計測可能な評価環境を構築した。 実験では、2種類のD級オーディオアンプICを対象とし、出力状態に応じた入力インピーダンスの変化を評価した。
大塚 真帆 M, 2回目発表 サイバネティクス・リアリティ工学 清川 清, 安本 慶一, 内山 英昭, 磯山 直也, Perusquia Hernandez Monica
title: An AR Visualization System for Carbon Dioxide Concentration Measurement Using Fixed Sensors and Sensors Mounted on Mobile Robots
abstract: Thorough ventilation is one of the measures to prevent COVID-19 infection.The use of systems that display changes in CO2 concentration values is increasing, especially in restaurants.However, 2D map based visualizations are not enough to understand the progression of indoor air pollution and whether there is a need for ventilation. A 3D measurement is needed to visualize CO2 concentration in 3D. However, conventional methods have various problems to achieve a 3D measurement, because a large number of sensors are needed to sense the entire room and explicit knowledge of their location.Therefore, an automated method to measure CO2 concentration in 3D is also proposed. We propose a three-dimensional (3D) visualization of CO2 concentration using a head mounted display (HMD). This indoor CO2 concentration method uses both fixed sensors and mobile sensors with a CO2 gas sensor module.The visualization facilitates understanding of the temporal changes and spatial distribution of CO2 concentration.A prototype was developed using Microsoft HoloLens 2 as our augmented reality (AR) HMD; an iRobot Roomba 600 Series as our autonomous mobile robot at ground level; a William Mark Air Swimmer Shark as our airship robot to get measurements at higher positions; and a M5Stack Gray, a M5Stick C Plus, and TVOC/eCO2 gas sensor unit as CO2 gas sensor modules.Using the position coordinates and measured values of each sensor, a 3D distribution of CO2 concentration is automatically calculated and visualized using the AR-HMD.
language of the presentation: Japanese
発表題目: 固定型センサと移動ロボット搭載センサを用いた二酸化炭素濃度のAR可視化システムの提案
発表概要: COVID-19感染対策の1つとして換気の徹底が必要とされている.実際にCO2濃度の数値の変化をディスプレイに表示するシステムの利用が飲食店を中心に増えている.しかし,室内空気の汚染の進行や,換気の必要性の有無を把握するには二次元的な可視化では十分でない.三次元的な可視化を実現するためにはCO2濃度の三次元分布を計測する必要がある.しかし,従来の手法では室内全体をセンシングするには膨大な数のセンサが必要,事前に各センサの位置計測を行わなければならないなど様々な課題がある.そこで,本研究ではHMDを用いてCO2濃度を三次元的に可視化することを提案する.本研究では,屋内CO2濃度の計測に固定型センサと移動ロボット搭載センサの両方を用いる.実際にAR表示可能なHMDとしてMicrosoft HoloLens 2,自律移動ロボットとしてiRobot Roomba 600 Series,飛行船ロボットにはRANGS社のAir Swimmer Shark,,CO2ガスセンサモジュールとしてM5Stack Gray,M5Stick C PlusとTVOC/eCO2ガスセンサユニットを用いてシステムを開発した. 各センサの位置座標と計測値を用いて自動的にCO2濃度の三次元分布を算出し,HMDを用いてこれを可視化できた.
押見 洋土 M, 2回目発表 サイバネティクス・リアリティ工学 清川 清, 安本 慶一, 内山 英昭, 磯山 直也, Perusquia Hernandez Monica
title: Privacy-conserving AR-based support system for finding objects in a shared space
abstract: Finding things is a costly activity commonly experienced by many people. Finding items that are shared by multiple people is more difficult than finding items that are managed by individuals, and the searcher has to search with less information. Various methods have been proposed to assist in the searching process. However, the problems with these conventional methods include the time and economic cost of pre-registering items with the system, and the privacy of multiple users. When the system recognizes the movement of items by users and automatically registers images and item movement information, the information shared with other users may include private information that was unintentionally registered by other users. Therefore, we propose a method to track the location of an item by automatically recognizing the start and end of the item's movement, without using pre-registration. The proposed method solves the privacy problem of previous research by guiding the user during the searching process by displaying a line connecting the start and end points of the user's movement in AR. In this presentation, we describe the implementation and operation of the prototype system, confirm the current limitations and stability of the system, and discuss future prospects.
language of the presentation: Japanese
発表題目: プライバシに配慮した協働環境向けAR物探し支援システム
発表概要: 物探しは多くの人が共通して経験する,コストのかかる行為である.複数人が共有する物品についての物探しは個人によって管理される物品より難しく,探す人はより少ない情報で探索を行わなくてはならない. 物探しの支援について様々な手法が提案されているが,それらの従来手法の課題として,システムへの物品の事前登録の時間的・経済的コストや複数ユーザ利用におけるプライバシが挙げられる.システムがユーザによるアイテムの移動を認識して画像やアイテムの移動情報を自動で登録する場合,他のユーザに共有される情報は,他のユーザが意図せず登録したプライベートな情報を含む可能性がある. そこで本研究では事前登録を用いずに,アイテムの移動の開始・終了を自動認識することで,アイテムの位置情報を追跡する手法を提案する.提案手法ではユーザの探索の際に移動の始点と終点を繋ぐ直線をARで表示することでユーザを誘導し,従来研究のプライバシの問題を解決する. 本発表では試作システムの実装と動作について説明し,現状の制約や動作の安定性などの課題を確認したうえで今後の展望について述べる.