はじめに

本書はオライリー・ジャパンから出版されており、サイバーセキュリティの現場で機械学習を活用したい実務者向けに書かれた一冊です。理論の説明より動くコードを動かす体験に重点が置かれており、Google Colaboratory さえあれば手元環境の準備なしに手を動かせる構成になっています。

セキュリティ製品が機械学習エンジンを内蔵するようになった昨今、ブラックボックスを「使う側」ではなく「理解する側」に回るための最初の一歩として適切な内容だと感じました。

本書の概要

項目	内容
対象読者	Pythonの基礎知識がある情報セキュリティエンジニア
主要ライブラリ	scikit-learn、LightGBM、TensorFlow/Keras、optuna
実行環境	Google Colaboratory（推奨）
構成	10章＋付録。各章でひとつの検出器を開発するハンズオン形式

章別サマリー

1章　情報セキュリティエンジニアのための機械学習入門

ウイルス対策ソフトの検出エンジン、IDS、UEBA製品など、すでに機械学習は情報セキュリティ製品に組み込まれています。本章ではその全体像を俯瞰したうえで、本書で使用する環境（Google Colaboratory）のセットアップ方法を説明します。

また、機械学習を使ったモデル開発の標準的なフローを以下のように整理しています。

データセットの作成
データの読み込み・前処理
探索的データ分析・特徴量エンジニアリング
モデルの訓練と評価（上記と繰り返し）
デプロイ

この流れは以降のすべての章で繰り返し登場するので、頭に入れておくと読み進めやすいです。

2章　フィッシングサイトと迷惑メールの検出

本書最初の実装章です。3つの検出器を一から構築します。

フィッシングサイト検出（ロジスティック回帰・決定木）

UCI Machine Learning Repository のフィッシングサイトデータセットを使い、ロジスティック回帰と決定木でそれぞれ分類器を構築します。ハイパーパラメータのチューニングには optuna（Preferred Networks製）を採用しており、GridSearchCV の総当たりではなくベイズ最適化による効率的な探索が体験できます。

評価指標として正解率（Accuracy）だけでなく、混同行列・適合率（Precision）・再現率（Recall）・F1-score も扱います。「見逃し」と「誤検知」どちらを重視するかというトレードオフの考え方は、セキュリティの文脈で特に重要です。

迷惑メール検出（tf-idf × LightGBM）

Enron-spam データセットを使い、NLP の基礎である tf-idf でメール本文をベクトル化したうえで LightGBM で分類します。特徴量重要度の可視化を通じて、「subject」という単語が寄与度のトップになる理由を分析する部分は、ドメイン知識と機械学習の結果を照らし合わせる好例です。

また、攻撃者が特徴量の重要度を把握している場合に検出器を回避できる可能性（ホワイトボックス攻撃）にも言及しており、8章への伏線になっています。

3章　ファイルのメタデータを特徴量にしたマルウェア検出

Windows の実行ファイル（PEファイル）のヘッダ情報をメタデータとして抽出し、マルウェア分類器を構築します。使用アルゴリズムはランダムフォレスト・勾配ブースティング・AdaBoost の3種類です。

探索的データ分析（EDA） の実施方法として Pandas Profiling を紹介しており、数行のコードでデータセットの統計サマリーと分布を可視化できます。特徴量重要度として ImageBase が上位に来る理由をマルウェア解析の専門知識（パッカーによる圧縮）で説明しており、ドメイン知識が特徴量の解釈に不可欠であることを体感できます。

後半では Android アプリのパーミッション情報を特徴量として SVM によるマルウェア検出器も実装します。プラットフォームが変わっても同じアプローチが適用できることを示しています。

4章　ディープラーニングによるマルウェア検出

3章と同じデータセットを使い、今度はニューラルネットワーク（Keras）で検出器を構築します。全結合層の多層パーセプトロンを実装し、ハイパーパラメータチューニングには引き続き optuna を使用します。

精度と計算コストのトレードオフを意識しながら、従来の機械学習アルゴリズムとの比較視点も提供されます。

5章　データセットの作成

1〜4章では既存の公開データセットを使ってきましたが、本章ではデータセットそのものをどのように作成するかを扱います。

Webスクレイピングやファイルシステムからのメタデータ収集など、実務で遭遇するデータ収集のシナリオを Python で実装します。「機械学習の品質はデータの品質で決まる」という原則を、現場的な視点で解説しています。

6章　異常検知

教師なし学習を用いた異常検知の章です。ユーザーのログオン数などを時系列データとして扱い、平常時のパターンから逸脱した挙動を自動検出します。

正常・異常のラベルが付いたデータが存在しない実務環境では、教師あり学習より教師なし学習のほうが現実的なケースも多く、UEBA 製品の内部構造を理解する足がかりになります。

7章　SQLインジェクションの検出

Web アプリケーションへの攻撃である SQLインジェクションを機械学習で検出します。本章は探索的データ分析と特徴量エンジニアリングに重点を置いており、「どのような特徴量を設計するか」という工程の解説が丁寧です。

攻撃パターンの文字列表現をどのように数値ベクトルに変換するかを通じて、NLP の知識がセキュリティ領域にも応用できることを示しています。

8章　機械学習システムへの攻撃

機械学習を使ったセキュリティシステムの弱点を正面から扱います。

ホワイトボックス攻撃：モデルの内部構造や特徴量の重要度を把握した攻撃者による回避
ブラックボックス攻撃：内部情報なしに入力を微妙に変えてモデルを誤分類させる

守る側として機械学習を導入するだけでなく、攻撃者の視点を理解することの重要性が強調されています。

9章　深層強化学習によるマルウェア検知器の回避

8章の概論を受け、深層強化学習（DRL）を使ってマルウェア検知システムを回避する具体的な実装を示します。「機械学習を機械学習でもって回避する」という攻撃の実現可能性を掘り下げており、攻撃・防御の両面を理解するうえで本書のハイライトのひとつです。

10章　機械学習のヒント

最終章は実務的なアドバイスの集成です。

どのアルゴリズムを選択すべきか（目的・データ量・解釈可能性の軸で整理）
過学習・クラス不均衡への対処
モデルの定期的な再訓練の必要性
セキュリティ製品としてデプロイするうえでの考慮事項

実装してみたが現場でどう運用するかわからない、という段階で立ち返るチェックリストとして使えます。

全体を通じた所感

よかった点

手を動かしながら読める構成で、各章が独立した検出器の開発として完結している
optuna によるハイパーパラメータチューニングが標準フローとして組み込まれており、実務で使える習慣が身につく
8・9章で「防御だけでなく攻撃の視点も理解する」という観点を提供している点が実務的

注意点

各章のコードは Google Colaboratory 前提のため、ローカル環境での再現には調整が必要な箇所がある
データサイエンスの基礎（NumPy/pandas の基本操作）は前提知識として必要
原書からの翻訳であり、一部サンプルコードはライブラリのバージョンアップにより動作確認が必要な箇所もある

こんな人に向いている

セキュリティエンジニアだが機械学習の実装経験がなく、まず手を動かして感覚をつかみたい方
UEBA やマルウェア検知製品の仕組みをコードレベルで理解したい方
セキュリティ × AI の研究・開発に入門したい方

参考リンク