ディープラーニングとは？でぃーぷらーにんぐ
ディープラーニングとは、多層に積んだニューラルネットワークで学習する機械学習手法。人手で特徴量を設計しなくても、層を通す過程でデータから特徴表現そのものを獲得する点が従来手法との違いになる。大量の学習データと計算資源を要し、判断根拠を示しにくいことが運用上の制約として問われる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
従来の機械学習は、どの特徴に注目させるかを人が設計する必要があり、画像や音声のように言語化しにくい対象では精度が頭打ちになっていた。計算資源とデータ量が揃った段階で、層を深くして特徴抽出そのものを学習させる方式が実用化した。セキュリティでは未知の脅威の検知に使える一方、モデル自体が攻撃対象になる。検知の精度と説明可能性のどちらを優先するかが、製品選定の判断軸になる。
具体例
画像認識では畳込みニューラルネットワーク（CNN）、言語ではトランスフォーマが使われ、OpenAIのGPTシリーズもこの系譜にある。セキュリティ製品ではEDRの振る舞い検知やメールのフィルタリングに使われ、根拠が示しにくいぶん誤検知の確認手順を運用側で用意する。
試験での引っ掛け
特徴量を人が設計しなくてよい点が本質で、規則を人が書く従来型と区別される。学習データに毒を混ぜるデータポイズニングや、入力を微小に細工して誤分類させる敵対的サンプルのように、モデルそのものが攻撃対象になる点も支援士では問われる。
関連用語
出た過去問
出典：平成29年度 秋期 情報処理安全確保支援士試験 午前Ⅱ 問21（IPA）
ビッグデータの解析に利用されるニューラルネットワークに関する記述のうち，適切なものはどれか。
正解：深層学習（ディープラーニング）に用いられるニューラルネットワークは，入力層と出力層の間に複数の中間層をもつモデルが利用される。
要点：深層学習は中間層を多数もつニューラルネットワーク
深層学習は、入力層と出力層の間に中間層（隠れ層）を多数積み重ねたニューラルネットワークにより、データから特徴を段階的に抽出する手法である。層を深くすることで複雑な表現が可能になり、画像認識や自然言語処理で高い性能を示す。
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。