線形代数

ベクトルや行列を用いて線形な関係を扱う数学の分野。連立方程式の解法やデータ分析、機械学習などの基礎となる重要な数学的手法である。

ベクトルと行列を使って、連立一次方程式や線形変換を扱う数学の分野。多数のデータを行列にまとめて一度に計算できるため、統計処理、画像処理、機械学習の計算の基礎になる。

ベクトルと行列を使って、線形な関係（足し算と定数倍で表せる関係）を扱う数学の分野。連立1次方程式の解法、行列の積・逆行列・固有値の計算などを含む。機械学習では、データを行列、特徴量をベクトルとして表し、ニューラルネットワークの計算や主成分分析、推薦の行列分解などの基礎になる。

大きさだけを持ち、向きを持たない量。1つの数値で表され、ベクトルや行列の各要素に同じ数を掛けるスカラ倍の演算に使う。数値を1列に並べたベクトル、2次元に並べた行列と対比される。

機械学習や生成AIを、サイバー攻撃の検知や対応に活用する技術。通信やログの異常検知、未知のマルウェアの判定、フィッシングメールの識別、SOCでのアラートの優先順位付けやインシデント分析の支援などに使われる。AIシステム自体を攻撃から守る「Security for AI」と対になる考え方。

機械学習モデルの学習データに攻撃者が細工したデータを混入させ、モデルに誤った判断をさせたり、特定の入力のときだけ攻撃者の意図した出力をするバックドアを仕込んだりする攻撃。学習データの出所の管理や品質の検証で対策する。

人間には見分けがつかない程度の微小なノイズを入力データに加え、機械学習モデルに誤った分類や判断をさせるように細工したデータ。画像認識で道路標識を別の標識と誤認させる例が知られ、こうした入力でモデルを欺く攻撃は回避攻撃とも呼ばれる。

機械学習モデルに入力を与えて得られる出力（予測結果や確信度）を繰り返し分析し、学習に使われたデータの特徴、例えば顔認識モデルの学習に使われた人物の顔画像などを推定・復元する攻撃。学習データに含まれる個人情報のプライバシーを侵害するおそれがある。

機械学習モデルの開発から本番での運用、監視、再学習までを、継続的かつ自動的に回すための考え方と仕組み。DevOpsを機械学習に適用し、データとモデルの版管理、学習パイプラインの自動化、本番データの変化による精度の劣化（ドリフト）の検知などを行う。