近年 IoT (Internet of Things) システムが普及してきている．IoT システムは，その機能の喪失がセキュリティの低下だけでなく，人命などのセーフティへの影響が生じる可能性があるため高い安全性が要求される．例えば，IoT システムに異常があった場合に早急に異常原因を究明し，リモートメンテナンス要員などに適切に状態確認と修復を指示する手段も重要である．本稿では，患者の異常を監視する医療用 IoT システムに対し，患者の異常を示すアラートが本当に患者異常によるものか，それともシステムを構成する特定の機器の異常によるものかを切り分ける方式を提案する．この方式では，ベイジアンネットワークを用い異常の原因と，結果の関係をモデル化するとともにアラートなどの結果が観測された場合に，原因となる機器の切り分けを行い，状態の確認が進むたびに，次に調査すべき機器をガイドするものである．また，ガイドシステムにおいては，リモートメンテナンス要員に対し，患者の異常発生などのプライバシー情報を与えなくても異常機器の切り分けが可能であるという特長がある．ベイジアンネットワークを利用する異常原因切り分け方式が適切に機能することを確認するため，目的に合致したベイジアンネットワークモデルを作成した．これを Weka プログラムに入力し，患者や機器の異常確認結果を入力することにより，各ノードが異常原因をなる事後確率を求めその大きさの順に次に確認すべき機器をガイドした．その結果，このような方式を用いることにより原因の切り分けが適切かつ効率的に実施できる見通しを得た．

In recent years, IoT (Internet of Things) systems have become widespread. IoT systems are required to be highly secure because the loss of their functions not only reduces security but also may affect safety such as human life. For example, when there is an abnormality in the IoT system, it is important to immediately investigate the cause of the abnormality and instruct remote maintenance personnel to appropriately check and repair the condition. In this paper, we propose a method for medical IoT systems that monitor patient abnormalities to distinguish whether the alert indicating the patient's abnormality is really due to the patient's abnormality or due to the abnormality of a specific equipment that composes the system. This method uses a Bayesian network to model the relationship between the cause and effect of anomalies. Next, when a result such as an alert is observed, the equipment that causes the problem is isolated, and each time the status is confirmed, the equipment to be. In addition, the guidesystem has a mechanism that enables remote maintenance personnel to isolate abnormal equipment without giving privacy information such as the occurrence of patient abnormalities. In order to confirm that the anomaly cause isolation method using the Bayesian network works properly, we created a Bayesian network model that matches the purpose. By inputting this into the Weka program and inputting the abnormality confirmation results of the patient and the equipment, the posterior probability thateach node causes the abnormality was calculated, and the equipment to be confirmed next was guided in the order of its probability. As a result, it was obtained that the cause could be isolated appropriately and efficiently by using such a method.