シラバス情報

授業科目名
ディペンダブルシステム特論
(英語名)
ディペンダブルシステム特論
科目区分
専門教育科目
対象学生
情報科学研究科
学年
1年
ナンバリングコード
KIIMD5MCA1
単位数
2.00単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度後期
担当教員
森川 智博
所属
情報科学研究科
授業での使用言語
日本語
関連するSDGs目標
目標9
オフィスアワー・場所
火曜日 13:30〜15:00 神戸情報科学キャンパス 712室
連絡先
morikawa@gsis.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
研究科DP
2◎/1〇
全学DP
教職課程の学修目標

講義目的・到達目標
情報通信技術が進捗するにつれて、それを悪用した新たなサイバー攻撃が急に増えており、日常生活において身近な存在となってきている。大量のデータから早期にサイバー攻撃を検知するために、一つの有効なサイバー攻撃対策としては、機械学習による自動検知が挙げられる。そこで、本講義では、サイバーセキュリティに関連する機械学習の基礎知識から機械学習を用いたサイバー攻撃の対策まで幅広く解説する。
授業のサブタイトル・キーワード
サブタイトル:、機械学習を利用した自動検知システムを構築するため要素技術を身につけるサイバーセキュリティ特論
キーワード:マルウェア、機械学習、自動検知システム、敵対的攻撃


講義内容・授業計画
前半では機械学習を利用した自動検知システムを構築するため要素技術を説明し、後半では受講生による論文紹介を行う。

1.ガイダンス (本講義の目標や概要を説明する)
2.機械学習の基礎知識
3.データセットの作成
4.フィッシングサイトの検出
5.迷惑メールの検出
6.マルウェアの検出(1)
7.マルウェアの検出(2)
8.異常検知
9.機械学習システムへの敵対的攻撃
10−15.受講生による論文紹介。最新、もしくは重要なサイバー攻撃の対策方法を学生自らが調査、報告する。調査文献は講義中に決定する。但し、受講生の人数により調整する場合がある。


【生成AI を利用する授業について】
生成系AI の利用については教員の指示に従うこと。生成系AI による出力結果をそのまま課題レポートとして提出してはいけない。生成系AI による出力をそのまま提出したことが判明した場合は単位を認定しない、又は認定を取り消すことがある。

教科書
講義資料を配布。
参考文献
講義中に指定する。
事前・事後学習(予習・復習)の内容・時間の目安
【予習】配布された講義資料を事前読み込み(5h)
【復習】講義内容の理解を深め定着させるために講義資料を読み直し(10h)


アクティブ・ラーニングの内容
課題やプレゼンを通じて、課題発見力を高めるために必要な能力・態度を養成する。
成績評価の基準・方法
文献調査のプレゼンテーションにより評価する。
課題・試験結果の開示方法
プレゼンの内容に対してコメントを付ける。
履修上の注意・履修要件
前期にある「システムセキュリティ特論」を予め受講しておくことが望ましい。



実践的教育
該当しない。
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。