💻 computer science

Risk Models as Mediating Artifacts: A Postphenomenological Analysis of the CIIM Framework in Cybersecurity Practice

本論文は、サイバーセキュリティにおけるリスクモデルを、実務者の認識や行動を規定する「媒介的なアーティファクト（媒介物）」として捉え、独自の動的リスクモデル「CIIM」の分析を通じて、システムの崩壊を可視化する設計が技術的意図性や倫理的判断にどのような影響を与えるかをポスト現象学の観点から考察したものです。

原著者： Rommel Salas-Guerra

公開日 2026-04-28

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Rommel Salas-Guerra

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

1. 今までの「リスク管理」は、壊れた計器を見ているようなもの？

想像してみてください。あなたは船の船長です。目の前には「船のダメージ度」を示すメーターがあります。

これまでの一般的なシステム（CVSSなど）は、いわば**「今の傷の深さ」だけを数字で教えてくれるメーター**でした。

「右側に5センチの傷があります」
「左側に3センチの傷があります」

これだけでは、船長はこう思います。「よし、修理しよう」と。しかし、このメーターには致命的な欠点が2つあります。

「未来」が見えない： 今は小さな傷でも、このまま進むと1時間後に船が真っ二つになるかもしれない、という「勢い」が分かりません。
「船の体力」を無視している： 頑丈な大型船での5センチの傷と、ボロボロの古い小型船での5センチの傷では、意味が全く違いますよね？でも、これまでのメーターはどちらも同じ「5」と表示してしまいます。

著者は、これまでのやり方は**「現実の深刻さを隠してしまっている」**と批判しています。

2. 新しい道具「CIIM」：未来を予言し、限界を叫ぶメガネ

そこで著者が提案するのが、**「CIIM」という新しいモデルです。これは単なるメーターではなく、「未来の景色を見せ、限界が来たら警告を発する特殊なメガネ」**です。

このメガネには3つのすごい特徴があります。

① 「未来の予報」が見える（時間の魔法）

このメガネをかけると、「今」の状態だけでなく、**「次の瞬間（t+1）、世界はどうなっているか？」という予報が見えます。
「今は大丈夫だけど、このままのスピードだと次は嵐に飲み込まれるぞ！」という「動き（勢い）」**が視覚化されるのです。これにより、専門家は「起きてから直す」のではなく、「進路を変える」という判断ができるようになります。

② 「崩壊のサイン」を隠さない（限界の哲学）

ここが一番ユニークな点です。普通の計算機は、計算がエラーにならないように、無理やり数字を整えてしまいます（例えば、0で割れないように、無理やり0.0001にするなど）。
しかし、CIIMはあえてそれをしません。もし組織の「回復力（レジリエンス）」がゼロに近づいたら、「計算不能！システムが崩壊するぞ！」と、あえて不自然な、叫びのような信号を出します。

これは、**「壊れかけているハンマー」**に例えられます。ハンマーが普通に使えるときは、私たちはハンマーの存在を忘れて作業に集中しています（これを哲学では「透明な道具」と言います）。しかし、ハンマーがパキッと割れた瞬間、私たちは「あ、これはただの道具だ」と強く意識します。CIIMは、組織が壊れる寸前の「あ、ヤバい！」という感覚を、あえて数字の乱れとして突きつけてくるのです。

③ 「状況」に合わせて色が変わる（文脈の魔法）

同じウイルスが来ても、銀行にいる時と、小さなカフェにいる時では、その怖さは違いますよね。CIIMは、その組織がどんな環境にいて、過去にどんなトラブルがあったかという「背景」を読み取って、表示されるリスクの色を変えてくれます。

3. まとめ：道具は「中立」ではない

この論文が一番伝えたいメッセージは、**「道具は、使う人の考え方を操っている」**ということです。

古い道具： 「数字はこうです。あとはあなたが判断してください」と、淡々と数字を出す（でも、大事な未来や文脈を隠している）。
CIIMのような新しい道具： 「未来はこう動こうとしています！組織の限界が近づいています！効率も考えつつ、こう動くべきです！」と、判断の方向性まで示唆してくる。

著者は、サイバーセキュリティの道具を作るエンジニアは、単に計算が正確なものを作るだけでなく、**「使う人が、現実の危機を正しく、そして倫理的に感じ取れるようなデザイン」**をすべきだと訴えているのです。

つまり、**「ただの計算機を作るのではなく、危機を正しく感じ取るための『感覚』をデザインせよ」**という、非常に熱いメッセージなのです。

論文技術要約：サイバーセキュリティ実務におけるCIIMフレームワークのポスト現象学的分析

1. 背景と問題提起 (Problem)

従来のサイバーセキュリティにおけるリスク評価モデル（例：CVSS: Common Vulnerability Scoring System）は、実証主義的な立場に基づき、脆弱性を「客観的かつ中立的な数値」として提示しようとします。しかし、本論文はこれに対し、以下の3つの決定的な欠陥（Mediating Gap / 媒介のギャップ）があると指摘しています。

時間性の欠如 (Temporal Poverty): CVSSは「現在の状態」のみを示す静的なスナップショットであり、リスクが将来どのように進化するかという動的な軌跡を捉えられません。
レジリエンス（回復力）の無視 (Resilience Blindness): 組織の脆弱性（Resilience）が考慮されておらず、同じ脆弱性であっても、組織の防御能力や回復力によって生じる「存続への脅威」の差を可視化できません。
文脈の欠如 (Contextual Invisibility): 組織固有の資産、依存関係、運用環境といった「生活世界（Lifeworld）」がモデルから排除されており、画一的なスコアリングに留まっています。

結果として、既存のモデルはアナリストの知覚を特定の方向に固定し、真に重大なシステム崩壊の予兆を見逃させる「技術的意図性（Technological Intentionality）」の問題を抱えています。

2. 手法 (Methodology)

本研究は、ポスト現象学（Postphenomenology）という哲学的手法を用い、著者が開発した独自の動的リスクモデルであるCIIM (Contextual and Multimodal Hazard Impact Index) をケーススタディとして分析しています。

理論的枠組み: ドン・イデ（Don Ihde）の人間と技術の関係性の類型学、およびピーター＝ポール・フェルベーク（Peter-Paul Verbeek）の「技術的媒介（Technological Mediation）」理論を適用。
分析対象 (CIIMの数理モデル):
$CIIM(t+1) = \frac{A \cdot T(t) \cdot V(t) \cdot E(t)}{R(t)} + \alpha \cdot P(t)$
- $t+1$ : 未来の時間投影（Protention）
- $R(t)$ : 組織のレジリエンス（分母として機能）
- $P(t)$ : 摂動関数（歴史的データ、リアルタイム脅威、ユーザー行動、異常検知の4要素による文脈化）
ハイブリッド機械学習アーキテクチャ: LSTM/GRU（時系列予測）、XGBoost（カテゴリ分類）、強化学習（RL：コストとリスクの最適化）を組み合わせた多層的な設計。

3. 主な貢献 (Key Contributions)

本論文の主要な貢献は、技術的なモデル提示に留まらず、以下の概念的・設計的パラダイムを提示した点にあります。

「崩壊の現象学 (Phenomenology of Collapse)」の提唱:
従来のモデルは、分母がゼロに近づく（レジリエンスが消失する）際、計算エラーを防ぐために数値を平滑化（Smoothing）しますが、CIIMはこれをあえて拒否します。 $R(t) \to 0$ を「数学的な特異点」として扱うことで、組織が通常の運用限界を超え、質的に異なる「崩壊状態」に突入したことをアナリストに直感的に認識させます。
時間的意図性の導入:
単なる過去の蓄積（Retention）ではなく、未来への投影（Protention）をモデルの主出力とすることで、アナリストの行動を「事後的な修正」から「軌道の修正（方向付け）」へと変容させます。
倫理的意図性の組み込み:
強化学習の報酬関数に「アクションコスト」を組み込むことで、単なる脅威排除だけでなく、組織の資源効率を考慮した「比例原則」に基づいた倫理的判断を技術的に媒介します。

4. 結果と考察 (Results & Discussion)

CIIMの設計は、アナリストに対して以下の新しい知覚的・実務的経験を提供します。

多声的な意図性 (Polyphonic Intentionality): 機械学習の各コンポーネント（時系列、分類、最適化）が異なる視点を提供し、それらの合致や乖離そのものが組織の複雑性を表す信号となります。
媒介の透明化: 摂動関数 $P(t)$ により、どのデータソースがリスクに寄与しているかを明示することで、モデルが「中立な道具」ではなく「文脈を構成する参加者」であることを示します。

5. 意義 (Significance)

サイバーセキュリティ実務への影響: リスクモデルを単なる計算ツールではなく、アナリストの判断、倫理的責任、および組織の存続を形作る「媒介的アーティファクト」として再定義しました。
哲学への貢献: 物理的な道具だけでなく、数学的・抽象的な「数理モデル」に対してもポスト現象学的な分析が可能であることを証明し、複雑系（生態系、金融システム等）の管理における「特異点（崩壊）を可視化する設計指針」を提示しました。

結論として、本論文は、技術的な堅牢性（エラーを防ぐこと）よりも、現象学的な誠実さ（限界や崩壊を隠さず示すこと）を優先する新しい設計哲学を提唱しています。