2016年度_富士通の概況

富士通研究所の概要



研究所のミッションは、最先端技術の研究開発、技術の社会実装や新たなビジネスモデルの創出によりイノベーションを

起こし、富士通グループの成長に貢献することです。グローバルに約1400名が研究開発に取り組んでいます。

サニーベール

リチャードソン

川崎

厚木

ロンドン

上海

蘇州

北京

マドリード

研究開発成果をグローバルな規模でPoCやPoBに早期に展開

新たな世界に通用するビジネスモデルを創出し、

ビジネスイノベーションを起こす

•

代表取締役社長： 佐々木 繁

•

従業員: 日本 約1200人、海外 約230人

•

共同研究： 日本 84プロジェクト、海外 11ヶ国、58プロジェクト

世界中の人々が驚き、感動する研究開発成果を継続的に

生み出し発信

富士通研究所のビジョン



研究所では将来のデジタルビジネス・プラットフォームとして「ハイパーコネクテッド・クラウド」をビジョン・戦略に掲げて

います。このビジョンの実現に向けた研究開発を推進し、「ヒューマンセントリック・イノベーション」を牽引します。

ハイパーコネクテッド・クラウド

2020年のテクノロジーコンセプト

新たな価値、サービスやビジネスを創出する共創の「場」

AI (Artificial Intelligence)：

あらゆる製品、機能やサービスを

インテリジェント化

Security：

サイバー、IoT、個人認証、

プロダクトまで守る統合

したセキュリティ

Web Scale ICT Infrastructure：

必要な技術を常に取込み

進化し続けるICTインフラ

Core/Front Network Fusion：

仮想化により物理から

サービスまでつなぐ

ネットワーク

/

Service-Oriented Connection

サービスをダイナミックに統合し共創ビジネスを展開

特長

時系列データDeep LearningでIoTをフル活用

高精度に時系列データを分析する新たなDeep Learning技術



変動の激しい複雑な時系列データから幾何的な特徴を抽出して高精度に分類するDeep Learning技術※1を開発し、既存

技術に比べ約25％の大幅な精度向上を実現しました。これによって、従来は困難だった医療・健康やものづくり等のIoT

領域でのDeep Learning活用を実現します。

時系列 Deep Learning 技術



変動の激しい時系列データ高精度分類

 既存技術では分類が困難だったIoT/センサー などが生成する変動の激しい時系列データから、 対象の状態や種類を高精度かつ自動的に判断 が可能  既存技術に比べ約25％の大幅な精度向上



IoTサービスの安定した運用が可能

 医療・健康やものづくり等のIoT領域でのDeep Learning活用を実現します



Deep Learning技術の適用拡大

 これまで画像や音声の領域に限られていた Deep Learningの有効適用を拡大 ※1 多層構造のニューラルネットワークモデルを用いた機械学習技術 ※2 データをある空間内に配置された点の集合とみなし、その集合の幾何的な情報を抽出するデータ分析手法 ユビキタスウェア ・ジャイロセンサー ・加速度センサー など ・脳波 ・心拍データ など 生体データ 音/振動データ 金融データ ・株価 ・経済指標 など 行動分類/ 認識 疾病診断/ 予測 介護補助 故障診断/ 予測 経済解析/ 予測 時系列データ 富士通 Deep Learning フレームワーク 利用シーン 時系列データ Deep Learning 時系列 データ カオス理論 トポロジカ ルデータ 解析※2 畳み込みニューラ ルネットワーク※3 Deep Learning 分析 時系列データ を分類 Class A Class B Class C

特長

中国語手書き文字認識

人間の脳の働きを模した人工知能技術による高精度認識



人間の脳を模した文字の特徴を捉える階層的モデルにおいて神経細胞間の結線数を拡大したモデルを構築しました。学

習用文字データを多種多様に自動生成する技術も開発しました。これらにより、手書き文字（中国語）で人間の認識率相

当である96.1%を上回る、96.7%を達成しました。

手書き文字認識



階層的モデルの規模の拡大

 文字認識の過程で利用する階層モデルの神経 細胞間をつなぐ結線に対し、きめ細かく変形を 学習できるように、結線数を50倍以上に拡大  従来技術（認識率94.8%）の約280万から約1億5 千万まで増やすことで認識精度を高めます



交互学習により、畳込み層の学習効果を

向上

 大規模なネットワークの訓練の複雑さを減らす  伝統的な学習方法と比べると、エラー率は10 % 以上減少



学習データの自動生成

 三次元ランダム変形に基づく多種多様な文字 サンプル生成 拡大された階層的ニューラルネットモデル _{学習用の文字データ} サンプル自動生成 利用シーン

日本語・中国語・韓国語の⼿書き帳票の処理効率化など

⼈間の識別能⼒を超える

⼈間 Fujitsu ⼿書き中国語 96.13% 96.70% ⼿書き数字 99.80% 99.82% 文字パターンのある領 域に対応した神経細胞 (i番目の階層) 従来 モデルの規模を拡大 新技術 文字パターンのある領 域に対応した神経細胞 (i+1番目の階層) 結線 結線増加 特徴 特徴 文字パターンのある領 域に対応した神経細胞 (i番目の階層) 文字パターンのある領 域に対応した神経細胞 (i+1番目の階層) 濃淡値 X Y 入力文字 パターン画像 生成文字 パターン画像

...

複雑な特徴

人

単純な特徴

特長

大量画像から所望の画像を瞬時に検索

メディア処理向けドメイン指向サーバ



企業などの現場で蓄積されているプレゼンテーション資料や写真などの静止画の中から、所望の画像を瞬時に検索する、

メディア処理向けドメイン指向サーバを開発しました。画像を効率的に発見・再利用でき、文書作成の効率化が図れます。

大量画像から所望の画像を瞬時に発見する高速画像検索サーバ



メディア処理向けドメイン指向サーバ

 メディア処理のアプリケーション領域に適した ハードウェア構成、ソフトウェア/IPで性能を飛躍 的に向上



部分的にでも一致する画像を検索

 部分的な一致や拡大／縮小した画像を検索  画像全体を網羅的に検索



FPGAを高効率に活用し高速化/省電力

 画像検索の高負荷な処理をFPGAへ最適に マッピング  従来サーバの50倍以上の高速実行 サーバ1台で1万枚の画像を1秒で検索  従来の複数の汎用サーバによる検索の高速化 に比べ、消費電力1/30、装置体積1/50で同等

性能を実現 FPGA: Field-Programmable Gate Array

検索キー画像 検索結果 ・部分的な一致 ・拡大/縮小画像 CPU 部分画像 検索IP 大量画像DB FPGA 検索 結果 メディア処理向けドメイン指向サーバ 従来サーバとの性能比較 ・検索性能：50倍以上 ・消費電力：1/30以下(※) ・装置体積：1/50以下(※) (※)同等検索性能時 従来サーバ 開発サーバ 200枚/秒 12,000枚/秒 検索性 能 _50倍以上 大量画像の中から指定した画像に部分的にでも一致する画像を瞬時に網羅的に 検索します。

特長

快適で安定したサービスを支える

世界最高速の200Gbpsで通信をモニタしながら品質解析する技術



データセンタなどに設置して通信パケットを解析することで、サービスをまとめて品質解析可能とするソフトウェアを開発し

ました。トラブルの早期解決、迅速なサービス提供、セキュリティ強化が可能になり、利用者に快適で安定したサービスを

提供できます。

快適で安定したサービスを支える品質解析技術



遅い、つながらないといったサービス品質

障害の場所、原因を素早く把握

 通信パケットの挙動を１パケットも逃さずリアル タイムに解析  障害原因が、パケットロス等のネットワークの問 題か、応答遅延等のアプリの問題かを切り分け  １台の汎用ハードウェアだけで従来の10倍の性 能である200Gpbsで通信パケットをモニタ



利用シーン

 店舗やインターネット経由でサービス利用する 際の、サービス品質障害の場所、原因を把握  新規サービス提供時に、サーバやクライアント に手を加えずにサービス品質検証が可能  全ての通信の履歴を記録するので、不正アクセ ス追跡などが可能となりセキュリティが向上 *1：10Gbpsイーサネット×20本または100Gbpsイーサネット×2本 下り 100Gbps サービス品質解析 上り下り 店舗、ネット経由での サービス利用者 ソフトウェア 通信を複製 遅延 検出 検出 上り 100Gbps 合計200Gbps ロス 通信 経路 データセンタ *1 パケット収集 ネットワーク 品質解析 アプリケーション 品質解析 汎用ハード セキュリティ 強化 トラブルの 早期解決 迅速な サービス提供 サービスアプリ

特長

アジャイル開発における

テスト工数の肥大化を抑えるテスト自動生成技術



短い期間に小規模な機能実装とソフトウェア提供を繰り返しながら開発を行うアジャイル開発において、テスト工数の肥

大化を抑制し開発の効率を向上させるテスト自動生成技術を開発しました。

アジャイル開発の効率を向上させるテスト自動生成技術



網羅的なテストコードを生成する技術

 テスト対象ソースコードを解析し、実行しうる命 令・分岐を網羅するテストコードを生成  Java、C/C++、COBOL、JavaScript向けに技術 開発



増分を抑えるテストコード再生成技術

 従来技術では各テストケースをそのまま残すか 新規作成するためテストコードが肥大化しがち  本技術ではテストコードを入力変数単位に再利 用し、改版部分に対するテストを局所化  テスト自動生成技術においてボトルネックとなる 生成テストの確認・保守の工数を大幅に削減  短期間・高頻度で繰返しテストコード生成するア ジャイル開発において効果的 設計 実装 テスト 設計 実装 リリース リリース 要件 定義 要件定義 ソースコード バージョン1 ソースコード バージョン2

改版

テストの確認・ 保守工数大 テストの 確認・保守 工数小

アジャイル開発プロセス

テストコード バージョン1 テストコード生成 _従来の テスト 再生成 本技術 テスト 再生成 テストコード再生成 テストコードバージョン2 改版部分 のテストで 肥大化 改版部分 のテストを 局所化 テストを生成 実行し得る 命令・分岐 を網羅する テストを生成 テスト 再利用

特長

自分の生体情報を安全に暗号鍵にする技術を開発



生体認証で登録データの中にクレジットカード番号やマイナンバーなどの秘密情報を混ぜて格納し、本人確認した場合に

のみ秘密情報を取り出せる技術を試行開発しました。暗号鍵に利用する生体情報も乱数で変換して保護されるため、

オープンなネットワークを経由したクラウドサービスでの利用拡大が期待できます。

生体情報を用いた暗号化技術



開発技術

 生体情報から抽出した特徴コードを用いて秘密 情報の暗号化・復号を実現  特徴コードは毎回異なる乱数で変換して保護



効果

 従来の暗号化技術で必要とされていた“暗号鍵 の管理”が不要  暗号鍵に利用する生体情報も保護されるため、 オープンなネットワークでも安心して利用可能



想定される利用シーン

 個人の秘密情報をクラウド上で安全に管理  マイナンバーなどの秘密情報の利用と本人確 認処理をシームレスに連携 ①各種サービスにマイナンバー を暗号化したまま預ける A銀行 B役所 _{②本人確認とマイナンバーの利用} をシームレスに連携 ■ ■ ■ ■ ■ ■ ■・・・ ■ ■ ■ マイナンバー 手のひら静脈情報より特徴コードを用いて秘密情報の暗号化・復号を実現 暗号化フェーズ 復号フェーズ 秘密情報 特徴データの 漏洩リスクなし 特徴コード 乱数1 特徴コード 復号用コード 乱数2 復号処理 ⇔ 秘密情報 暗号化データ 利用シーン

特長

複数組織のデータを異なる鍵で暗号化したまま照合可能な暗号技術

組織間での安全なデータ連携により新たな価値を共創



機密情報やプライバシー情報などを、異なる暗号化鍵で暗号化したまま、文字列の一致・不一致の照合が可能な暗号技

術を開発しました。複数組織の機微情報をクラウド環境上で安全に照合できます。

秘匿照合技術によるクラウドを用いた複数組織間データ連携



クラウドを介して異なる暗号鍵で暗号化し

た文字列を照合する技術

 暗号化された情報同士の一致の程度を計算す る”関係暗号理論”に基づく暗号技術を利用、暗 号化データから元データの復元は困難  照合結果も暗号化され、専用の照合鍵を持って いる人だけが参照可能  0.02秒で1件の文字列同士の一致照合可能



照合を許可する相手を選択するアクセス

制御技術

 情報の提供者、検索者の組み合わせ毎に、異 なる照合鍵（照合結果を確認する鍵）を生成  クラウド上での照会可否を柔軟に制御可能



組織を超えた安全なデータ連携を実現

 医療だけでなく、金融、教育、行政、マーケティ ング、特許調査などにも適用可能 利用シーン 情報提供者Ａ 情報検索者Ｘ 暗号化登録 文字列 暗号化検索 文字列 照合結果復号 ＤＢ 情報提供者Ｂ ABC DEF ABC DEF ABC 照合 _ABC 一致又は 不一致 秘匿照合用 クラウドサーバ 照合結果「情報提供者Ａの ＤＢに一致する情報があります」 ＤＢ 照合鍵 情報提供者、情報検索者ごとに 異なる暗号鍵で文字列を暗号化

秘匿照合

医療研究機関 製薬企業 病院 健康保険組合 生命保険 会社 ＤＢ ＤＢ ＤＢ ＤＢ ＤＢ ＤＢ ＤＢ 複数組織間の安全なデータ連携

特長

安全Webアクセスを提供するネットワークサービス

業務端末から安全なWebアクセスを提供するスマートWebプロキシ技術



社内の業務端末から、インターネット上のWebに安全にアクセスするためのスマートWebプロキシ技術を開発しました。マイ

ナンバーを扱う業務など、高い安全性を要求される業務端末（お客様）に、安全なインターネットWebアクセスを提供します。

安全Webアクセスを提供するスマートWebプロキシ技術



業務端末に安全なWebアクセスを提供

 スマートWebプロキシで、Web（HTML）を画像 （画面）に変換、業務端末には画像として転送 することで、安全なWebアクセスを提供  スマートWebプロキシから業務端末へは、富士 通研究所で開発した高速画面転送技術（RVEC （レベック）注）をエンハンスしたスマートWebプロ キシ技術で、快適な操作性を実現  業務端末のブラウザのアクセス先に応じて、社 内業務（Webアクセス）と、インターネットWebアク セス（画面転送）を自動切り替え



利用シーン

 企業・官公庁・病院などで、高い安全性が要求 される業務端末からの安全なWebアクセス  現場から、社内・庁内・病院内などの業務への 安全なWebアクセス 利用シーン 社内業務 インターネット 悪意のある Webサイト スマートWebプロキシ 高い安全性を要する業務端末から、 安全なインターネットWebアクセス 社内業務 現場から、社内・庁内・病院内など の業務への安全なWebアクセス スマートWebプロキシ スマートWebプロキシ 業務端末 コンテナ スマートWeb プロキシ技術 インターネット 悪意のある Webサイト 社内業務 画像圧縮・転送 ブラウザ Webアクセス 画像復元 画像転送 HTML HTML 画像 自動切替 ﾏﾙｳｪｱ等 をﾌﾞﾛｯｸ