機械学習とは？きかいがくしゅう
機械学習とは、判定の基準を人が書き下すのではなく、大量のデータから統計的に導き出してモデルを作る技術。学び方によって、正解ラベル付きの事例をなぞる教師あり学習、ラベルの無いデータからまとまりや外れ値を見つける教師なし学習、試行の結果に与えられる報酬を手掛かりに方策を磨く強化学習に分かれる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
ルールを人が書き切る方式では、迷惑メールや不正アクセスのように攻撃側が形を変え続ける対象に追随できない。観測したデータから判定基準そのものを更新できる仕組みが要る。ただし判定基準がデータ由来になったことで、学習データを汚す・入力を細工するという新しい攻撃面が生まれ、支援士ではこちら側の論点が問われる。
具体例
迷惑メールの選別や不正取引の検知は教師あり学習、ログを正常な振る舞いの型へ自動で束ねて外れ値を出すのは教師なし学習にあたる。DeepMindのAlphaGoが自己対局を重ねて強くなった仕組みは強化学習。
試験での引っ掛け
クラスタリングは教師なし、分類（クラス分類）は教師ありで、名前が似ているぶん入れ替えた選択肢が出る。セキュリティ側では、学習データへ細工を混ぜるデータポイズニング、わずかな加工で誤判定させる敵対的サンプル、出力から学習データを推定するモデルインバージョンがあり、「アルゴリズムが正しければ安全」とは言えない。
関連用語
出た過去問
出典：令和3年度 秋期 情報処理安全確保支援士試験 午前Ⅱ 問1（IPA）解説で登場
AIによる画像認識において、認識させる画像の中に人間には知覚できないノイズや微小な変化を含めることによってAIアルゴリズムの特性を悪用し、判定結果を誤らせる攻撃…
正解：Adversarial Examples攻撃
要点：微小な摂動でAIの判定を誤らせるのがAdversarial Examples
Adversarial Examples攻撃は、機械学習モデルの決定境界が入力の微小な変化に敏感である性質を突き、人の目には元の画像と区別がつかない摂動を加えて分類結果を意図的に誤らせる手法である。標識の認識を誤らせるなど、現実の判断に直結する用途では深刻な脅威となる。対策としては摂動を含む例を学習させる敵対的学習や、入力の前処理・検知が研究されている。
出典：令和6年度 秋期 情報処理安全確保支援士試験 午前Ⅱ 問2（IPA）解説で登場
AIによる画像認識において,認識させる画像の中に人間には知覚できないノイズや微小な変化を含めることによって,AIアルゴリズムの特性を悪用し,誤認識させる攻撃はど…
正解：Adversarial Examples攻撃
要点：Adversarial Examplesは微小な摂動でAIに誤認識させる攻撃
Adversarial Examples攻撃は、機械学習モデルの決定境界（分類結果が切り替わる境目）の性質を突き、人間には判別できないほど微小な摂動を入力に加えることで誤分類を誘発する攻撃である。よってイが正しい。学習済みモデルから訓練データを推定するModel Inversionや、学習データを汚染するポイズニングとは狙いが異なる。
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。