Doctoral Researcher, Artificial Intelligence in Medical Imaging / Signal Analysis Lab
証拠が重要な仕事のための、信頼できるAIシステム。
AIエージェント、音声インテリジェンス、サイバーセキュリティ、規制環境での導入に関する研究テーマ、システム事例、講演、文章を、共同研究者・採用担当・イベント主催者が確認しやすい形で整理した技術ポートフォリオです。
所属研究室
NYCU の Artificial Intelligence in Medical Imaging / Signal Analysis Lab で博士研究を進めています。
登壇実績
CYBERSEC 2026 の公式セッションで、AI医療機器ソフトウェアのセキュリティ設計について講演しました。
論文発表
CISC 2025 で、実運用の防御とセキュリティ分析をつなぐ英語論文を2本発表しました。
Triton が開発者に次の一歩を示すように、このサイトも共同研究者、レビュー担当、採用チーム、イベント主催者がすぐに目的地へ進める構造にしています。
Triton の明快さを参考に、技術的な約束、能力リスト、入口、研究・実装・発表を確認できる証拠セクションを中心に構成しています。
証拠は音声、テキスト、脅威、研究ソースから入り、grounded AI ワークフローを通って人間レビューや導入判断へ進みます。
音声、文字起こし、証拠、脅威シグナル
検索、agents、抽出、システム評価
追跡可能性、不確実性、人間の承認
セキュリティ、ガバナンス、規制ワークフロー
ホームページでは各成果物を同じライブラリの一部として扱います。事例は実装の証拠を示し、講演は公開された技術的枠組みを示し、文章はその reasoning を残します。
信頼性、追跡可能性、運用制約を設計の中心に置いたとき、AIシステムはどうあるべきかを、いくつかの軸に分けて追っています。
各プロジェクトは、課題、システム設計、実務で重要な証拠を説明します。
A research case study on federated learning privacy leakage, gradient inversion risk, and defense trade-offs for sensitive collaborative training.
成熟度
Research seedA security research direction with public threat-model framing and supporting references.
最終確認: 2026年5月7日
Doctoral Researcher
ケーススタディを見る
A research-led case study on retrieval-augmented fraud conversation analysis, designed to keep LLM outputs grounded in transcript evidence for high-stakes review.
成熟度
Research seedA research-led case study framing grounded RAG as an analyst review workflow.
最終確認: 2026年5月7日
Doctoral Researcher
ケーススタディを見る
An evidence-aware speech intelligence pipeline using ASR, retrieval, and LLM extraction to turn long-form conversational audio into structured, reviewable outputs.
成熟度
PrototypeA public case study for an evidence-aware ASR, retrieval, and LLM extraction workflow.
最終確認: 2026年5月7日
Doctoral Researcher
ケーススタディを見る初期研究、具体的なプロトタイプ、論文に支えられた成果、実運用に近いケーススタディ、アーカイブ済み成果を分けて、読み方がわかるようにしています。
問い、参考文献、次の評価作業が明確になった研究の種です。
実装パスとして議論できる具体度を持ったシステムまたはパイプラインです。
論文、投稿、会議向け成果物とつながっているプロジェクトです。
導入前提、ユーザーワークフロー、リスク制御まで説明するケーススタディです。
参照用に残している完了済みまたは過去の成果です。
エッセイや研究ノートを通じて、技術判断とシステム設計の背景が見えるようにしています。
Liquid Glass、visionOS、AI が向かわせるのは、AI が kernel を置き換える未来ではなく、検索、オーケストレーション、cross-app 作業を束ねる新しい operating surface である。
A research-oriented essay on cross-node fraud intelligence, minimal disclosure, and trustworthy AI design for high-stakes pattern formation under fragmented evidence.
A research note on building speech evidence pipelines with ASR, retrieval, and LLMs while keeping outputs grounded in transcript evidence.
最近の登壇には公式セッションと英語会議論文の発表があり、主題は信頼できるAI、サイバーセキュリティ、脅威インテリジェンス、音声システム、そして信頼性と追跡可能性が求められる現場でのAI導入です。
AI医療機器ソフトウェアのサイバーセキュリティ実務を扱う分科会で、FDA 524B を起点に脅威モデリング、SBOM、ゼロトラスト設計、監査可能なリスク統治を結びます。
AI時代の RaaS が BYOVD、LOTL、秘匿化された C2、適応的な攻撃手口によってどう進化するかを分析し、ZTAID に基づくゼロトラスト防御戦略へ結びつけた英語論文です。
Threat Pulse Modeling（TPM）を、ライブ脅威インテリジェンスを ZTAID 成熟度シグナルへ変換する方法として提案し、継続的なゼロトラスト評価を支える英語論文です。
誤りのコストが大きい環境でAIを使うとき、信頼性、証拠、人間レビュー、システムの振る舞いをどう捉えるか。
研究グループ、ラボ、学際的な聴衆
現代の RaaS キャンペーンが自動化、BYOVD、LOTL、秘匿化された C2 をどう組み合わせるか、そして ZTAID に沿ったゼロトラスト戦略でどう検知・封じ込め・復旧するか。
サイバーセキュリティ会議、ブルーチーム、大学院セミナー
脅威インテリジェンスを pulse event、ZTAID の柱ごとのスコア、測定可能な成熟度シグナルへ変換し、防御の適応を速める方法です。
セキュリティ研究者、ゼロトラストプログラム、大学院セミナー
生の文字起こしから、根拠を追える検証可能な分析結果へつなぐ音声・言語パイプラインの設計パターンです。
NLP チーム、音声研究者、応用 AI 実務者
プライバシー、漏えいリスク、敵対的思考、導入前提を、後付けのコンプライアンスではなく中核の設計課題として扱う理由です。
セキュリティチーム、エンジニアリング組織、政策関連ステークホルダー
博士研究、システム構築、そして調査実務で培った証拠の見方と失敗分析の視点が、現在の研究と実践の土台になっています。
医療AIラボでの研究、システム実装、そして調査実務で培った証拠志向の視点を組み合わせ、証拠性・規制・導入制約が重要な場面でも機能するAIシステムを設計しています。
役割
NYCU 博士課程
主領域
信頼できるAI、音声インテリジェンス、サイバーセキュリティ
アプローチ
高リスクな実環境に向けた証拠志向のシステム設計
共同研究、信頼できるAI、音声・言語システム、安全性や規制要件が重要な環境でのAI導入についての対話を歓迎します。
もっとも早いご連絡方法はメールです。お問い合わせページには、最初に共有いただけると助かる情報もまとめています。
共同研究や学際的なラボとの対話
信頼できるAI、音声システム、サイバーセキュリティに関する講演依頼
採用、技術交流、証拠志向のAIシステム設計