| 岡野 真理 | M, 2回目発表 | 情報基盤システム学 | 藤川 和利, | 門林 雄基, | 林 優一, | 新井 イスマイル |
|
title: Evaluating the Robustness of Server-Side Residential IP Proxy Detection Against Adversarial Scheduling
abstract: Residential IP proxies (RESIP), which relay traffic through IP address spaces assigned to residential users, are widely abused as intermediary infrastructure because they are difficult to identify from the server side. Previous studies have proposed server-side detection methods based on temporal features, such as cross-layer RTT differences. However, their robustness against adversarial scheduling, in which packet transmission timing is intentionally manipulated, has not been thoroughly investigated. In this study, we constructed an experimental environment that emulates RESIPs and introduced a tc slot-based adversarial scheduling mechanism to evaluate the robustness of existing detection methods. Our results show that the RTT difference distribution of proxied traffic shifts toward that of direct communication, rendering conventional threshold-based methods and machine-learning approaches based on temporal features ineffective. In contrast, retraining the models with scheduled traffic included in the training dataset substantially restored their detection performance. As future work, we will investigate server-side detection methods for HTTP/3-compatible proxies operating over QUIC, where TCP handshake information is unavailable, making destination-side detection even more challenging. language of the presentation: Japanese 発表題目: 敵対的スケジューリング等に対するサーバーサイドResidential IP Proxy検出手法の検出性能評価 発表概要: 一般利用者向けIP空間を出口として用いるResidential IP Proxy (RESIP)は，サーバーサイドからの識別が困難な中継インフラとして不正利用に広く用いられている．既存研究ではクロスレイヤー RTT差分などの時間的特徴量に基づくサーバーサイド検出法が提案されているが，送信タイミングを意図的に制御する敵対的スケジューリングへの耐性は十分に検証されていない．本研究では，RESIP を模擬した実験環境を構築し，tc slot ベースの敵対的スケジューリングを導入して既存手法の耐性を評価した．結果，プロキシ通信の RTT 差分は直接通信に近い分布へと変化し，既存の閾値ベース手法や時間的特徴量を用いる機械学習手法が有効に機能しなくなった．一方，学習データにスケジューリング通信を含めて再学習すると識別性能は回復した．今後，宛先での検出が難しい事例としてTCPハンドシェイクの情報を得られないQUICベースの通信に着目し，HTTP/3対応のプロキシに対して，同様にサーバーサイドでの検出手法を研究する． | ||||||
| 小田川 晴奎 | M, 2回目発表 | 情報基盤システム学 | 藤川 和利, | 門林 雄基, | 林 優一, | 新井 イスマイル |
|
title: Evaluation of Robustness to Environmental Changes in DoH-based DGA Malware Detection
abstract: Domain Name System over HTTPS (DoH), which encrypts DNS traffic, is becoming increasingly widespread. While DoH enhances user privacy, it also makes conventional filtering methods based on DNS query inspection ineffective. To address this challenge, machine learning-based detection methods that utilize side-channel information have been proposed. However, these methods remain insufficiently robust to changes in network environments. In this study, we focus on the detection of DoH-based Domain Generation Algorithm (DGA) malware and propose a DGA malware detection model that is robust against environmental changes. language of the presentation: Japanese 発表題目: DoHを利用したDGAマルウェア検出における、環境シフトに強い検出器の構築に向けた検討 発表概要: DNS over HTTPS (DoH)というドメインを暗号化する技術が普及しつつある。この技術はユーザーのプライバシーを担保する一方、従来のDNSクエリを検査したフィルタリングが難しくなる。こうした技術に対し、サイドチャンネル情報を用いた機械学習による検出が行われているが、環境変化に対して不十分であることが現状である。本研究では、DoH検出の中でもDoHを使ったDomain Generation Algorithm (DGA) マルウェアに焦点を当て、環境変化に強いDGAマルウェア検出モデルを提案する。 | ||||||
| 邪答院 優斗 | M, 2回目発表 | 情報基盤システム学 | 藤川 和利, | 門林 雄基, | 林 優一, | 新井 イスマイル |
|
title: A Packet Forwarding Scheme Tolerating IPv6 Address Duplication via Interface ID Translation
abstract: Duplicate Address Detection (DAD) does not function in client isolation networks, and although approaches such as DAD-Proxy are required to address this, many client implementations do not support them. To overcome this issue, we have previously proposed a scheme that tolerates, rather than avoids, the occurrence of IPv6 address duplication. In this prior scheme, the edge router forwards packets while performing address translation so that each communication can be uniquely identified. However, the prior scheme has several limitations: it does not support IPsec communications, it requires checksum recalculation upon every address translation, and its translation table is searched linearly, which limits scalability. In this paper, we propose an improved scheme that addresses these limitations through the following three refinements. First, we introduce a mechanism that identifies nodes by associating them with their communication peers, allowing IPsec sessions to be established without applying address translation when nodes with duplicated addresses communicate with different peers. When such nodes communicate with the same peer, the node that initiated the session first is identified in preference. Second, we adopt a checksum-neutral Interface ID Translation algorithm that eliminates the need for upper-layer checksum recalculation. Third, the translation table is split into an egress table and an ingress table, enabling O(1) bidirectional lookups. Through implementation and validation, we confirmed that IPsec communications were successfully established. We also demonstrated that latency does not degrade even with up to 1,000,000 entries registered in the translation table, nor with up to 10,000 concurrent sessions. language of the presentation: Japanese 発表題目: Interface ID Translationを用いたIPv6アドレス重複を許容するパケット転送方式 発表概要: DADはクライアントアイソレーションネットワークでは機能しないため，DAD-Proxyのような手法が必要だが，多くのクライアント実装がこれに対応していない．そこで我々は，IPv6アドレス重複の発生を回避するのではなく，許容することによる対策方式を先行研究として提案している．先行方式では，エッジルータが通信を一意に識別できるようアドレス変換を行ってパケットを転送する．しかし先行方式には，IPsec通信に対応できないほか，アドレス変換のたびにチェックサム再計算処理が必要，変換テーブルの検索処理が線形であるためスケーラビリティが十分でない，という課題がある．本論文ではこれらの課題を解決するため，以下の改良を施した方式を提案する．第一に，通信相手ノードとの紐付けによりノードを識別する機構を導入し，異なる通信相手と通信する重複アドレスノードについてはアドレス変換を適用せずにIPsec通信を成立させる．同一の通信相手と通信する場合は，先着のノードを優先して識別する．第二に，上位層ヘッダのチェックサム再計算を不要とするchecksum-neutralなInterface ID変換アルゴリズムを採用する．第三に，変換テーブルをegress用とingress用に分割し，双方向の検索処理をO(1)で実現する構造に改良する．実装・検証の結果，IPsec通信が成立した．また，変換テーブルに最大1,000,000のエントリが登録されている場合や，最大10,000セッションの同時通信が発生している場合でも，レイテンシが悪化しないことを示した． | ||||||
| 谷崎 文那 | M, 2回目発表 | 情報基盤システム学 | 藤川 和利, | 門林 雄基, | 林 優一, | 新井 イスマイル |
|
title: State Classification of RPKI Not Found Routes Toward Building an AS Operator Support System
abstract: The Resource Public Key Infrastructure (RPKI) has been deployed to verify the legitimacy of route information advertised by BGP, which is used for inter-AS routing. Route Origin Validation (ROV) compares BGP route information with RPKI information, and its results are used for route selection. A route is classified as Not Found when no corresponding RPKI information exists for the advertised route. Such cases may arise for various reasons, including unregistered RPKI information, accidental deletion of RPKI information, and validation errors. However, in operational environments, Not Found routes are often treated in the same way as Valid routes, which is undesirable from a security perspective. This study aims to estimate and classify the causes of ROV Not Found routes and to present the classification results to operators in order to support appropriate route selection. To this end, we implemented a prototype database that periodically collects and stores RPKI information. Our analysis of the collected data shows that hundreds of RPKI entries appear and disappear on a daily basis, and that some disappearances are associated with the expiration of certificate chains. language of the presentation: Japanese 発表題目: AS運用者支援システムの構築に向けたRPKIにおけるNot Found経路の状態分類 発表概要: AS間の経路制御に用いられるBGPでは，広告される経路情報の正当性を検証するための公開鍵基盤としてRPKIが導入されている． RPKI上の情報とBGPの経路情報との整合性を検証するROVの結果は経路選択に用いられる． ROVの結果，広告された経路情報に対応するRPKI情報が存在しないことを示すNot Foundと判定される原因として，RPKI情報が未登録である場合や，操作ミスによってRPKI情報が削除された場合，検証中にエラーが発生した場合など，様々な事例が考えられる． しかし，実際の運用では，Not Foundの経路は，正当性が検証された経路と同様に扱われることが多く，セキュリティの観点から望ましくない． 本研究では，ROVの結果としてNot Foundと判定された理由を推定・分類し，その結果を運用者に提示することで，適切な経路選択を促すことを目的とする． そのために，RPKIの情報を定期的に取得し，蓄積するデータベースをプロトタイプとして実装した． 取得したRPKIの情報を解析した結果，RPKI上の情報は1日ごとに数百件単位で出現・消滅しており，その中には証明チェーンの期限切れによる消滅が含まれることを確認した | ||||||
| 中野 篤史 | M, 2回目発表 | ソーシャル・コンピューティング | 荒牧 英治, | 安本 慶一, | 若宮 翔子, | 久田 祥平 |
| INDIRA FEBRIYANTI | D, 中間発表 | ソフトウェア工学 | 松本 健一, | 安本 慶一, | 嶋利 一真, | Fan Youmei |
|
title: An Empirical Study of Code Proficiency Changes in Agent-Generated Refactoring of Python Code
abstract: Agentic AI is rapidly changing software development by enabling coding agents to modify real software repositories with little human intervention. As these agents increasingly perform refactoring tasks, it is no longer sufficient to evaluate only whether the generated code is correct; understanding how the resulting code changes has become equally important. Existing studies primarily evaluate agent-generated refactoring using benchmark performance, pull request outcomes, and software quality metrics. However, these evaluations focus on whether the refactoring succeeds rather than how it changes the resulting source code. In this study, we examine these changes using code proficiency as an analytical perspective to characterize how Python proficiency changes before and after agent-generated refactoring. We conduct an empirical study on ten open-source Python projects by comparing the original and agent-refactored versions using the pycefr framework. We analyze (1) changes in code proficiency after refactoring, (2) the refactoring types associated with these changes, and (3) whether changes in code proficiency influence the AI agent's understanding of the refactored code. The results show that agent-generated refactoring changed the highest Python proficiency level in several refactored files, while most files retained their original proficiency level. In addition, Extract, Replace, and Consolidate were the most frequently observed refactoring categories, primarily associated with functionality decomposition, control-flow simplification, and duplication reduction. Furthermore, agent-generated refactoring changes code proficiency without substantially changing the semantic understanding of the repository. Instead, the changes are mainly reflected in the level of abstraction and presentation used by the AI-generated descriptions. These findings provide an empirical understanding of how agent-generated refactoring reshapes Python code and complement existing evaluations that primarily focus on correctness and software quality. language of the presentation: English | ||||||
| 土田 陸斗 | M, 2回目発表 | ソフトウェア工学 | 松本 健一, | 安本 慶一, | 嶋利 一真, | Fan Youmei |
|
title: Maintenance Activities in GenAI-Assisted GitHub Repositories
abstract: While Generative AI (GenAI) lowers the effort of writing code, it may shift that effort toward documentation, validation, and maintenance. This study focuses on adopters who publicly signal GenAI use on GitHub and examines what they build and how they keep their projects alive after release—that is, the maintenance activities of curating documentation and handling bug fixes and enhancements through issues. We analyzed 622 adopters, 179 AI-assisted repositories with 179 matched traditional repositories of similar scale, and 248 issues created in those repositories. GenAI was adopted across a broad range of software rather than concentrating in specific types. READMEs in AI-assisted repositories contain more headers and code blocks but fewer URLs, showing that curating external resources remains a human maintenance activity. Issues center on enhancements rather than bug fixes, and GenAI-specific challenges concentrate on external touchpoints. Although GenAI is used broadly, maintenance challenges concentrate on external touchpoints and their resolution stays with humans. language of the presentation: Japanese 発表題目: 生成AIに支援されたGitHubリポジトリにおける保守活動 発表概要: 生成AIはコード生成の労力を下げる一方で、その負担をドキュメント・検証・保守へ移す可能性がある。本研究は、GitHubで生成AI利用を公に示す採用者に着目し、彼らが何を作り、公開後のプロジェクトをどのように維持しているのか、すなわちドキュメント整備やIssueを通じた不具合対応・機能改善といった保守活動に注目して分析する。622名の採用者、AI支援リポジトリ179件と同規模の従来リポジトリ179件、そこで作成された248件のIssueを対象とした。生成AIは特定の種類に偏らず幅広いソフトウェアで採用されていた。AI支援リポジトリのREADMEは見出しやコードブロックが多い一方でURLが少なく、外部リソースの整理は依然として人間の保守活動として残っていた。Issueはバグ修正より機能拡張が中心で、生成AI特有の課題は外部との接点に集中していた。生成AIの利用は幅広い一方で、保守活動上の課題は外部との接点に集中し、その対応は人間に残る。 | ||||||
| JOSEPH AYOBAMI JOSHUA | M, 2回目発表 | ソフトウェア工学 | 松本 健一, | 安本 慶一, | 嶋利 一真, | Fan Youmei |
|
Title: How Does Context Impact AI-Generated Pull Request Descriptions?
Abstract: The use of Large Language Models (LLMs) in software development has become increasingly popular, providing assistance in code generation, reviews, and other open-source contribution activities. This increase in AI-assisted development has led to a rise in AI-generated pull requests, prompting concerns and pushback from some open-source maintainers. This study evaluates the detectability of AI-generated pull request descriptions. Using the JabRef repository as a case study, we analyse a dataset of 308 human-written and 5,544 AI-generated pull request descriptions. We apply existing AI-generated text detection tools to assess their accuracy and to identify textual features that correlate with AI-generated content in software projects. In addition, we examine how the amount of context provided to the LLM (such as code diffs or referenced issues) affects the quality, detectability, and similarity of AI-generated pull request descriptions compared to human-written ones. Finally, we aim to provide empirical evidence on the performance of AI-text detectors in software engineering use cases and contribute to discussions on authorship attribution and transparency in AI-assisted open-source development. language of the presentation: English | ||||||
| XI HANG | D, 中間発表 | ヒューマンＡＩインタラクション | Sakriani Sakti, | 渡辺 太郎, | 大内 啓樹, | Faisal Mehmood, | Bagus Tris Atmaja |
| 児島 ひかる | M, 2回目発表 | ヒューマンＡＩインタラクション | Sakriani Sakti, | 渡辺 太郎, | 大内 啓樹, | Faisal Mehmood, | Bagus Tris Atmaja |
|
title: Investigating the Impact of Monotonic Translation on Listener Comprehension in Simultaneous Interpretation
abstract: Translating between structurally different languages like English and Japanese during simultaneous interpretation (SI) often causes delays due to word reordering. Monotonic translation is frequently used as a strategy to mitigate this latency. While effective for time-saving, this approach can lead to unnatural phrasing, increased length, and repetitions in the target language, potentially hindering the audience's understanding. In this presentation, we report on a listening experiment involving 175 native Japanese speakers. We compared the effects of monotonic and non-monotonic translation strategies by manipulating the length and type of relative clauses. Our analysis revealed no significant differences in objective comprehension scores between the two translation methods, regardless of relative clause variations. Interestingly, participants subjectively rated the non-monotonic outputs as more natural and easier to process, indicating a gap between actual comprehension and perceived difficulty. These results imply that monotonic SI does not inherently degrade objective understanding, and they underscore the necessity of measuring both subjective perception and objective comprehension when evaluating interpreting performance. language of the presentation: Japanese 発表題目: 同時通訳における順送り訳が聞き手の客観的・主観的理解度に及ぼす影響の分析 発表概要: 英語と日本語のように言語構造が大きく異なるペアの同時通訳では、語順の並び替えによる訳出の遅れが課題となる。この遅れを軽減するため、原文の語順のまま訳していく「順送り訳」という戦略がしばしば用いられる。しかし、順送り訳は日本語として不自然な語順や冗長な表現を生み出しやすく、聞き手の理解を阻害する懸念がある。 本発表では、関係節の種類や長さを変化させたスクリプトを用い、日本語母語話者175名を対象とした聴解実験の結果を報告する。実験では、順送り訳と通常の語順に並び替える「逆送り訳」の2つを比較検証した。 分析の結果、関係節の種類や長さに関わらず、客観的な理解度（正答率）においては両者の間に明確な差は見られなかった。その一方で、アンケートによる主観的な評価では、逆送り訳の方が自然で理解しやすいと回答される傾向があり、客観的な理解度と主観的な扱いやすさの認識に乖離があることが示された。本結果は、順送り訳が必ずしも聞き手の実質的な理解を損なうわけではないことを示唆するとともに、通訳評価において主観と客観の両面を区別して測定することの重要性を提示する。 | |||||||
| 白井 透 | M, 2回目発表 | ヒューマンＡＩインタラクション | Sakriani Sakti, | 渡辺 太郎, | 大内 啓樹, | Faisal Mehmood, | Bagus Tris Atmaja |
|
title: Effects of Speech Data Conditions on Automatic Pronunciation Assessment
abstract: Automatic pronunciation assessment is a core technology in computer-assisted pronunciation training. A recent approach models the phoneme distribution of typical speech with Gaussian mixture models over self-supervised speech representations, without requiring a large amount of scored training data. However, it remains unclear whether typical speech for second language (L2) English pronunciation assessment should be defined based on native English speech or highly proficient L2 speech. We compare these two conditions on a Japanese-English bilingual speech corpus in which native Japanese and native English speakers read the same sentences. Native English speech as the reference achieved the highest correlation with human segmental ratings, while highly proficient L2 speech from native Japanese speakers performed nearly as well. Phoneme-level analysis shows that phonemes strongly associated with these ratings are consistent with previous findings on Japanese learners of English. language of the presentation: Japanese 発表題目: 自動発音評価における参照音声データの条件が評価性能に及ぼす影響 発表概要: 自動発音評価は、コンピュータ支援発音学習における中核技術の一つである。近年提案された手法では、大量の評価済み学習データを必要とせず、自己教師あり学習によって得られた音声表現に対してガウス混合モデルを適用し、典型的な音声の音素分布をモデル化する。しかし、第二言語（L2）としての英語の発音評価において、典型的な音声を英語母語話者の発話に基づいて定義すべきなのか、それとも高度な英語運用能力を持つL2話者の発話に基づいて定義すべきなのかは、依然として明らかではない。本研究では、日本語母語話者と英語母語話者が同一の文を読み上げた日英バイリンガル音声コーパスを用いて、これら2つの条件を比較した。その結果、英語母語話者の音声を基準とした場合が、人間による分節的発音評価との相関が最も高かった。一方、日本語母語話者による高度なL2英語音声を基準とした場合も、それにほぼ匹敵する性能を示した。さらに、音素レベルの分析では、これらの評価と強く関連する音素が、日本人英語学習者に関するこれまでの研究結果と概ね一致する傾向を示した。 | |||||||
| 水津 徹久 | M, 2回目発表 | ヒューマンＡＩインタラクション | Sakriani Sakti, | 渡辺 太郎, | 大内 啓樹, | Faisal Mehmood, | Bagus Tris Atmaja |
|
title: Automatic Generation of a Compositional QA Benchmark for Geospatial Reasoning under Spatial and Entity Constraints
abstract: Large language models (LLMs) have recently demonstrated remarkable performance improvements across a wide range of tasks. However, their geospatial reasoning capabilities—the ability to handle spatial relations such as distance, direction, and containment among entities in real-world geographic space—remain insufficiently examined. In this study, we propose a method for automatically constructing a compositional geographic question-answering dataset that simultaneously incorporates both spatial and entity constraints. We design nine question templates, each requiring different types of knowledge and reasoning abilities, and generate a total of 3,545 questions about entities in real-world geographic space. The resulting dataset serves as an interpretable benchmark for evaluating how LLMs coordinate spatial computation with entity-level understanding under diverse compositional settings. Using the proposed dataset, we evaluate two commercial LLMs, GPT-5.4 and Gemini 3.1 Pro. Experimental results reveal that while these models perform relatively well on questions requiring rich entity information, their accuracy drops substantially on questions demanding precise quantitative spatial reasoning, such as distance estimation and containment judgment. language of the presentation: Japanese 発表題目: 空間・エンティティ制約下における地理空間推論のための構成的質問応答ベンチマークの自動生成 発表概要: 近年の大規模言語モデル（LLM）は多様なタスクにおいて飛躍的な性能向上を示している． 一方で，現実世界の地理空間に存在するエンティティ間の距離，方向，包含関係といった空間的関係を扱う地理空間推論能力については，依然として十分に検証されていない． 本研究では，空間的制約とエンティティ制約の双方を同時に考慮した構成的地理質問応答データセットを自動構築する手法を提案する．異なる種類の知識・推論能力を要求する9つの質問テンプレートを設計し，実世界の地理空間上のエンティティに関する合計3,545件の質問を生成した． 生成されたデータセットは，多様な構成的設定下において，LLMが空間計算処理とエンティティレベルの理解をどのように協調的に活用するかを評価するための解釈可能なベンチマークとして機能する． 提案データセットを用いて，GPT-5.4とGemini 3.1 Pro，2つの商用LLMの性能を評価した．実験の結果，これらのモデルは豊富なエンティティ情報を必要とする質問に対しては比較的良好な性能を示すものの，距離推定や包含関係判断といった精密な定量的空間推論を要する質問に対しては，精度が大幅に低下することが明らかとなった． | |||||||