業績 2017

2017 年度研究業績の概要

1. IoT (Internet of Things)/M2M (Machine-to-Machine) ネットワークアーキテクチャに関する研究

• 1.1. センサーネットワークアーキテクチャに関する研究
  • 1.1.1. 自己組織型ネットワーク制御の収束性・適応性・安定性向上
  • 1.1.2. 脳ネットワークの構造に着想を得たロバスト性を有するネットワーク構成手法
  • 1.1.3. ニホンアマガエルの合唱行動のモデル化と通信ネットワークへの応用
• 1.2. 次世代移動体通信ネットワークに関する研究
  • 1.2.1. M2M通信収容のためのモバイルコアネットワークアーキテクチャの確立
  • 1.2.2. 仮想化技術に基づくモバイルアクセスネットワークの消費電力削減効果(沖電気との共同研究)
  • 1.2.3. 第5世代移動通信システムの移動管理制御の安定性向上に関する研究（NECシステムプラットフォーム研究所との共同研究）
• 1.3. ネットワークを経由したロボットの遠隔制御に関する研究
  • 1.3.1. 無線ネットワークを経由したロボットの遠隔制御に関する研究（一部、NECシステムプラットフォーム研究所との共同研究）
  • 1.3.2. ネットワーク仮想化技術を利用したサービス機能の再配置によるユーザ性能の向上手法
• 1.4. IoTネットワークにおける相互依存関係に関する研究
  • 1.4.1. エネルギーストレージを用いたキャンパスビルの電力需要平準化に関する研究

2. 次世代サービスネットワークアーキテクチャに関する研究

• 2.1. SDI仮想化基盤制御手法に関する研究
  • 2.1.1. ポテンシャル場を用いた実世界表現に基づいたSDI仮想化基盤制御手法（富士通研究所との共同研究）
  • 2.1.2. 生物の進化適応性にもとづくSDI構成手法（脳情報融合研究センター (CiNet) との共同研究）
• 2.2. ネットワーク仮想化技術を用いたサービス構成技術に関する研究
  • 2.2.1. ネットワーク仮想化技術を用いたサービス連携技術に関する研究（KDDI総合研究所との共同研究）
  • 2.2.2. 生化学反応式を用いた空間協調モデルに基づくサービス空間構築手法
• 2.3. ネットワークサービスのエコシステム構築に関する研究
  • 2.3.1. API エコノミーに関する研究（富士通研究所との共同研究）
• 2.4. ユーザQoE (Quality of Experience) の向上に関する研究
  • 2.4.1. ネットワーク仮想化技術を利用したサービス機能の再配置によるユーザ性能の向上手法【1.3.2.節再掲】
  • 2.4.2. 曖昧な情報に対する脳の情報処理機構を応用した ユーザQoE 推定手法（NECシステムプラットフォーム研究所との共同研究）
  • 2.4.3. 心理的効果を含めたユーザ行動のモデル化に関する研究

3. サイバーセキュリティの高度化に関する研究

• 3.1. ドライブバイダウンロード攻撃検知手法に関する研究
  • 3.1.1. ニューラルネットワークを用いたドライブバイダウンロード攻撃検知手法（NTTセキュアプラットフォーム研究所との共同研究）
• 3.2. ホームIoTにおけるサイバーセキュリティの高度化に関する研究
  • 3.2.1. ホームIoT におけるユーザ行動のセンシング情報を用いた異常検知手法（三菱電機サイバーセキュリティ協働研究所における研究成果）
• 3.3. セキュリティアタックの防御に関する研究
  • 3.3.1. インシデント情報の蓄積・分類手法に関する研究

4. 情報指向ネットワーク (ICN) アーキテクチャに関する研究

• 4.1. 情報指向ルータにおけるハードウェアアーキテクチャに関する研究
  • 4.1.1. 情報指向ルータにおけるパケットヘッダ検索処理のハードウェア高速化
• 4.2. ICNを活用した移動ルータに関する研究
  • 4.2.1. 情報指向ネットワークにおける自律移動可能なルータを用いた情報取得手法

5. 次世代データセンターネットワークアーキテクチャに関する研究

• 5.1. クラウドシステムの高性能化に関する研究
  • 5.1.1. ハイブリッドクラウドシステムの性能評価

6. 次世代フォトニックネットワークアーキテクチャに関する研究

• 6.1. 光パスネットワークに関する研究
  • 6.1.1. ベイズ推定にもとづく仮想ネットワーク再構成手法に関する研究
  • 6.1.2. 生物の進化適応性にもとづくVNT制御手法に関する研究

7. 次世代トラヒックエンジニアリングに関する研究

• 7.1. 予測型ネットワーク制御技術に関する研究
  • 7.1.1. 脳の情報処理機構に基づく予測型ネットワーク制御技術の確立（NTT ネットワーク基盤技術研究所との共同研究）
  • 7.1.2. 予測可能性を考慮に入れたマクロフロー構成技術に関する研究（NTTネットワーク基盤技術研究所との共同研究）
• 7.2. ネットワーク省電力化のためのトラヒックエンジニアリングに関する研究
  • 7.2.1. パレート最適制御にもとづくネットワーク省電力化手法

8. 脳や生体の環境適応性・進化適応性に着想を得た情報ネットワークアーキテクチャに関する研究

• 8.1. 自己組織化制御技術の確立に関する研究
  • 8.1.1. 自己組織型ネットワーク制御の収束性・適応性・安定性向上【1.1.1節再掲】
  • 8.1.2. ニホンアマガエルの合唱行動のモデル化と通信ネットワークへの応用【1.1.3.節再掲】
  • 8.1.3. 第5世代移動通信システムの移動管理制御の安定性向上に関する研究（NECシステムプラットフォーム研究所との共同研究）【1.2.3.節再掲】
  • 8.1.4. ポテンシャル場を用いた実世界表現に基づいたSDI仮想化基盤制御手法（一部、富士通研究所との共同研究）【2.1.1.節再掲】
• 8.2. 生物の進化適応性に基づく情報ネットワークアーキテクチャに関する研究
  • 8.2.1. ネットワークの進化適応性を確立するためのネットワーク構造分析に関する研究
  • 8.2.2. ネットワーク仮想化技術を利用したサービス機能の再配置によるユーザ性能の向上手法【1.3.2.節再掲】
  • 8.2.3. 生物の進化適応性にもとづくSDI構成手法（脳情報融合研究センター (CiNet) との共同研究）【2.1.2節再掲】
  • 8.2.4. 生物の進化適応性にもとづくVNT制御手法【6.1.2節再掲】
• 8.3. 脳機能ネットワークの構造分析と情報ネットワーク設計・制御手法への応用に関する研究
  • 8.3.1. フラクタル特性を有するネットワーク構成法に関する研究
  • 8.3.2. 脳ネットワークの構造に着想を得たロバスト性を有するネットワーク構成手法【1.1.2節再掲】
• 8.4. 脳の情報処理機能の情報ネットワーク制御技術への応用に関する研究
  • 8.4.1. 曖昧な情報に対する脳の情報処理機構を応用した ユーザQoE 推定手法（NECシステムプラットフォーム研究所との共同研究）【2.4.2節再掲】
  • 心理的効果を含めたユーザ行動のモデル化に関する研究【2.4.3.節再掲】
  • 8.4.3. ベイズ推定にもとづく仮想ネットワーク再構成手法に関する研究【6.1.1.節再掲】
  • 8.4.4. 脳の情報処理機構に基づく予測型ネットワーク制御技術の確立（NTT ネットワーク基盤技術研究所との共同研究）【7.1.1.節再掲】