arXiv cs.CR は2026年10月15日(現地時間)、解釈可能なビッグデータ分析とセキュアなクラウド意思決定システムに向けた新たな深層学習フレームワーク「Hybrid DeepXAI Fusion Network」に関する論文を発表した。このフレームワークは、モデルの複雑性に起因する解釈性、信頼性、セキュリティの課題に対処するため、説明可能な人工知能 (XAI) メカニズムを統合する。
Hybrid DeepXAI Fusion Networkのアーキテクチャは、時系列特徴抽出にone-dimensional convolutional neural networks (1D-CNNs)を、文脈モデリングにTransformer encodersを、特徴間の依存関係分析にgraph neural networks (GNNs)を組み合わせる。これらの表現は、attention-based fusion mechanismによって統合される。解釈性と説明の一貫性を向上させるため、Class Activation Mapping (CAM)とexplanation lossが組み込まれている。
このフレームワークは、フェデレーテッドクラウドアーキテクチャでの展開を想定して設計されており、データプライバシーと説明責任をサポートするために、ホモモルフィック暗号とブロックチェーンベースの監査が用いられる。
医療、金融、エネルギーのデータセットを用いた実験評価では、98.42%の精度、97.9%の適合率、98.1%の再現率、98.0%のF1スコアを記録した。これは、評価対象のCNN-LSTM、Transformer-only、XGBoostといったベースラインモデルを上回る性能である。また、projected gradient descent (PGD)による敵対的摂動下でも、モデルは91.5%以上の精度を維持すると報告されている。スケーラビリティ実験では、毎秒80,000メッセージのスループットと200ミリ秒未満のレイテンシを記録した。
参考: arXiv cs.CR (アーカイブ) — 2026年10月16日 13:00 (JST)
原文ハイライト"Hybrid DeepXAI Fusion Network, a deep learning framework that integrates temporal, relational, and contextual features"