特許
J-GLOBAL ID：201803015761961309
マルウェアの識別とモデルの不均一性のために現場の分類器を再訓練するためのシステム及び方法
発明者：
,
,
,
出願人/特許権者：
代理人 (5件)：
野河 信太郎
, 甲斐 伸二
, 金子 裕輔
, 稲本 潔
, 冨田 雅己
公報種別：公表公報
出願番号（国際出願番号）：特願2018-504758
公開番号（公開出願番号）：特表2018-526732
出願日： 2016年06月08日
公開日（公表日）： 2018年09月13日
要約：
マルウェア識別とモデルの不均一性のためにバッチ処理し教師ありにより現場の機械学習分類器を再訓練するためのシステムおよび方法が提供される。この方法は、ある場所で親分類器のモデルを生成し、それを別の場所又は複数の場所にある1つ以上の現場の再訓練システム又は複数のシステムに対して提供し;現場の再訓練システム又は複数のシステムにより評価された複数のサンプルにわたり、親分類器のクラス決定を判断し;現場の再訓練処理を開始するのに必要な判断サンプルの最小値を決定し;1つ以上の現場のシステムからのサンプルを使用して新しい訓練およびテストセットを作成し;現場の訓練とテストセットを表す特徴ベクトルと、親の訓練とテストセットを表す特徴ベクトルとを混合し; 混合された訓練セットにわたり機械学習を実施し;混合されたテストセットと追加された非標識のサンプルを利用して、新しい親モデルを評価し;前記親分類器を再訓練された分類器により置き換えるかどうかを選択する。
請求項（抜粋）：
マルウェアの識別とモデルの不均一性のために、バッチ処理し、教師ありにより、現場の機械学習分類器を再訓練するための方法であって、前記方法は:
a. ある場所で親分類器のモデルを生成し、それを別の場所又は複数の場所にある1つ以上の現場の再訓練システム又は複数のシステムに対して提供するステップと;
b. 現場の再訓練システム又は複数のシステムにより評価された複数のサンプルにわたり、前記親分類器のクラス決定を判断するステップと;
c. 現場の再訓練処理を開始するのに必要な判断サンプルの最小値を決定するステップと;
d. 現場の訓練とテストセットを表す特徴ベクトルと、親の訓練とテストセットまたはそのサブセットを表す特徴ベクトルとを混合するステップと;
IPC (2件)：
FI (2件)：
G06N99/00 153
, G06F21/56
