# プロ研B
**興味のある論文**(2018年〜2022年)
* [Spatio-temporal Mixtures of Experts による Dynamic Texture 動画予測](https://waseda.app.box.com/file/721125795135)
* [行列分解・テンソル分解の学習による高速化](https://waseda.app.box.com/file/584604974361)

**わかりやすい記事**
* [機械学習のセキュリティ](https://jpsec.ai/nistir8269/)
* [上記の記事を書いている高江洲 勲の記事一覧](https://www.mbsd.jp/author/i.takaesu/)

**具体的に興味がある分野**
* **準同型暗号**　（研究の余地あり、計算コストが高いらしい　なぜ？）
欠点：かなり研究が進んでいる。注目されすぎている
参考資料
https://eaglys.co.jp/developers-blog/trends/report1/
[準同型暗号の具体的な手法](https://qiita.com/kenmaro/items/a1d90a074d552b7bf886)
[行きたい大学院が関わっている](https://eaglys.co.jp/developers-blog/event/mihara_02/)

* **ロバスト統計**

* **最新の機械学習セキュリティー**
https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-2e2023.ipd.pdf

<メモ>
セキュリティ・キャンプ（セキュリティの勉強ができる、無料、期間が５日間と短い点が欠点）
https://www.ipa.go.jp/jinzai/security-camp/index.html

https://dl.acm.org/doi/full/10.1145/3585385?casa_token=T1yitZvM47wAAAAA%3ANi5eMvGBgz96WThNWpsno-66l0c58atF6-gkPIikwHwvLLJkWTpgS2kQDOJQZN8SdkILafhuloOGmw#d1e4937

---
<ToDoリスト>
- [ ] 敵対的サンプルの生成方法を確認する。
- [ ] 敵対的サンプルの防御方法を確認する。→　研究の余地があるかを確認する。

[従来の敵対的サンプルを防御するSTRong Intentional Perturbationを無効にする敵対的サンプルの生成方法](https://www.sciencedirect.com/science/article/pii/S1568494623010116?casa_token=7s9YMCqiqdwAAAAA:ziAZHb7edLIivDHhzKFxvP96uvW25WpyRzz9Zw4vdUtQywAc70WC-t4m2aaemNFagdIvfeMcKoI#sec3)

[2021年survey](https://www.semanticscholar.org/paper/Advances-in-adversarial-attacks-and-defenses-in-A-Akhtar-Mian/1a0829a7bef8ea3ecb33b55871b4498dd328ff68)
[2022年survey](https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9895425&tag=1)

研究を決める時の流れ
1. 興味のある分野を決める
最終的には理論の部分を研究しても良いが、理論は何か問題点を解決する道具である。
そのためには、分野を決める必要がある。

面白い論文リスト
* [VR での移動予測のための視線追跡ベースの LSTM](https://www.semanticscholar.org/paper/Eye-Tracking-based-LSTM-for-Locomotion-Prediction-Stein-Bremer/640863e1fd758f2547fdd2df70551e0b36f3cc4b)