CN110419046A - 信息提供装置、信息提供系统、信息提供方法以及程序 - Google Patents

信息提供装置、信息提供系统、信息提供方法以及程序 Download PDF

Info

Publication number
CN110419046A
CN110419046A CN201880017651.8A CN201880017651A CN110419046A CN 110419046 A CN110419046 A CN 110419046A CN 201880017651 A CN201880017651 A CN 201880017651A CN 110419046 A CN110419046 A CN 110419046A
Authority
CN
China
Prior art keywords
information
artificial intelligence
population
parameters
customer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201880017651.8A
Other languages
English (en)
Inventor
高尾健司
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Heavy Industries Ltd
Original Assignee
Mitsubishi Heavy Industries Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Heavy Industries Ltd filed Critical Mitsubishi Heavy Industries Ltd
Publication of CN110419046A publication Critical patent/CN110419046A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
    • G06F7/5443—Sum of products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/1475—Passive attacks, e.g. eavesdropping or listening without modification of the traffic monitored
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2207/00—Indexing scheme relating to methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F2207/38—Indexing scheme relating to groups G06F7/38 - G06F7/575
    • G06F2207/48—Indexing scheme relating to groups G06F7/48 - G06F7/575
    • G06F2207/4802—Special implementations
    • G06F2207/4814—Non-logic devices, e.g. operational amplifiers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/56—Financial cryptography, e.g. electronic payment or e-cash
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

信息提供装置具备：参数群取得部，其参考预先在多个记录装置分散记录有对学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个记录装置，来取得该参数群；设计信息取得部，其取得规定了能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分的人工智能构建部；和将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置的支持信息发送部。

Description

信息提供装置、信息提供系统、信息提供方法以及程序
技术领域
本发明涉及信息提供装置、信息提供系统、信息提供方法以及程序。本申请基于2017年3月31日在日本申请的特愿2017-69941号来主张优先权，将其内容援用于此。
背景技术
神经网络等与人工智能相关的实用例被大量提出。例如在专利文献1中记载了追加学习装置，其能在神经网络的追加学习中实施不受过学习与数据集的组合导致的负的转变左右的数据学习。
现有技术文献
专利文献
专利文献1：JP特开2016-143094号公报
发明内容
发明要解决的课题
在使用人工智能开展商务的情况下，需要使对应于顾客构建的学习完毕的人工智能不被第三者篡改、被盗。但在现状下，学习完毕的人工智能除了用营业秘密、合同等守护以外没有其他手段，服务提供者需要自身保护学习完毕的人工智能的对策。
本发明提供能解决上述的课题的信息提供装置、信息提供系统、信息提供方法以及程序。
用于解决课题的手段
根据本发明的第1方案，使用学习完毕的人工智能来提供顾客所期望的支持信息，所述信息提供装置具备：参数群取得部，其参考预先在多个记录装置分散记录有对所述学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个所述记录装置，来取得该参数群；设计信息取得部，其取得规定了能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；人工智能构建部，其基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分；和支持信息发送部，其将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置。
根据本发明的第2方案，上述的支持信息提供装置的所述设计信息取得部参考所述分散型记录系统中所含的一个所述记录装置来取得所述设计信息。
根据本发明的第3方案，上述的所述设计信息在所述分散型记录系统中被加密记录。
根据本发明的第4方案。上述的支持信息提供装置的所述人工智能构建部基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的一部分，所述支持信息发送部将从构建的所述人工智能的一部分输出的中间数据作为所述支持信息发送到顾客的信息处理装置。
根据本发明的第5方案，上述的支持信息提供装置还具备：追加学习处理部，其复制与学习完毕的人工智能同等的人工智能，将从作为支持信息的提供目的地的所述顾客提供的成套设备数据群作为教导数据，来使复制的人工智能当中的至少一部分追加学习。
根据本发明的第6方案，信息提供系统具备上述的支持信息提供装置和所述分散型记录系统。
根据本发明的第7方案，信息提供方法使用学习完毕的人工智能来提供顾客所期望的支持信息，所述信息提供方法具有：参数群取得步骤，参考预先在多个记录装置分散记录有对所述学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个所述记录装置，来取得该参数群；设计信息取得步骤，取得规定能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；人工智能构建步骤，基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分；支持信息发送步骤，将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置。
根据本发明的第8方案，程序使用于使用学习完毕的人工智能提供顾客所期望的支持信息的计算机执行如下步骤：参数群取得步骤，参考预先在多个记录装置分散记录有对所述学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个所述记录装置，来取得该参数群；设计信息取得步骤，取得规定了能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；人工智能构建步骤，基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分；和支持信息发送步骤，将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置。
发明的效果
根据上述的信息提供装置、信息提供系统、信息提供方法以及程序，能稳固地保护学习完毕的人工智能。
附图说明
图1是表示第1实施方式所涉及的信息提供系统的整体结构的图。
图2是表示第1实施方式所涉及的信息提供装置的功能结构的图。
图3是表示第1实施方式所涉及的分散型记录系统的数据结构的图。
图4是表示第1实施方式所涉及的信息提供装置的处理流程的图。
图5是表示第1实施方式所涉及的顾客信息的数据结构的图。
图6是表示第1实施方式所涉及的设计信息的数据结构的图。
图7是用于说明第1实施方式所涉及的信息提供装置的功能的图。
图8是表示第2实施方式所涉及的信息提供系统的整体结构的图。
图9是表示第2实施方式所涉及的设计信息的数据结构的图。
图10是表示第3实施方式所涉及的信息提供装置的功能结构的图。
具体实施方式
<第1实施方式>
以下参考附图来说明本发明的第1实施方式。在全部附图中对相同或相当的结构标注相同附图标记，省略共通的说明。
(信息提供系统的整体结构)
图1是表示第1实施方式所涉及的信息提供系统的整体结构的图。
第1实施方式所涉及的信息提供系统1使用学习完毕的人工智能来提供顾客所期望的支持信息。例如信息提供系统1对运用发电成套设备的顾客A提供该发电成套设备的异常预兆诊断信息、电力需要预测信息等支持信息。信息提供系统1使用对顾客A保有的发电成套设备预先学习完毕的人工智能α来提供上述支持信息。
人工智能α例如可以将顾客A保有的发电成套设备的过去5年的成套设备数据群(输出电力、运转指令、各种仪表类的检测值等)作为教导数据来实施最佳化(学习)。如此地作成的学习完毕的人工智能α能被逐次输入发电成套设备的运转中的成套设备数据群，并基于该成套设备数据群输出表示发电成套设备的将来的状态的上述支持信息。
在本实施方式中，人工智能α是形成多级的层结构的神经网络。但是，其他实施方式中并不限定于该方案。
如图1所示那样，信息提供系统1具有信息提供装置10和分散型记录系统2而成。
信息提供装置10对顾客A的终端装置(信息处理装置)提供(发送)支持信息。在本实施方式中，信息提供装置10由服务提供者(关于发电成套设备的支持信息的提供者)持有，与顾客A的终端装置通过公共或专用的通信线路可通信地连接。
如图1所示那样，分散型记录系统2具有以广域通信网络连接的多个记录装置20而成。记录装置20是构成分散型记录系统2的“节点”的计算机。多个记录装置20通过配对(pair to pair)通信而相互取得同步，维持始终记录有相同信息的状态。在一个节点(记录装置20)中有记录信息的篡改的情况下，通过多数表决等来决定正当的记录信息，立即修正篡改数据。
分散型记录系统2是适用区块链的分散型记录系统。区块链是每隔一定时间生成被称作“区块”的数据的单位，通过将它们如链(chain)那样连结来保管数据的数据库。在要篡改一个区块中所含的数据的情况下，由于失去了与该区块连结的其他区块的匹配性，因此能立即发觉存在篡改。
如以上那样，分散型记录系统2实现了数据的篡改极其困难的记录系统。
分散型记录系统2并不限定于适用区块链的上述方案。在其他实施方式中，只要是由多节点构成的分散型记录系统，且具有通过达成一致来进行数据的登记、管理的机制的方案，就可以是任何方案。
在本实施方式所涉及的分散型记录系统2的各节点(记录装置20)中预先分散记录对学习完毕的人工智能赋予特征的参数群。本实施方式所涉及的所谓参数群，例如是作为基于顾客A的过去的成套设备数据群的最佳化(学习)的结果而导出的数值群，对人工智能α固有地赋予特征。在本实施方式中，这里记录的各个参数群被作为形成神经网络的各单元(后述)间的“权重值”而适用。
本实施方式所涉及的分散型记录系统2说明了服务提供者持有、管理其整体(全部记录装置20)的方案，但在其他实施方式中并不限定于该方案。在其他实施方式中，例如也可以是服务提供者持有以及管理构成分散型记录系统2的一部分记录装置20、顾客(顾客A)持有以及管理其他记录装置20的方案。也可以是提供云服务的第三者持有以及管理分散型记录系统2整体的方案。
进而在图1中图示了信息提供装置10和构成分散型记录系统2的各记录装置20作为硬件而分开存在，但并不限于此。根据实施方式，也可以是信息提供装置10、兼作分散型记录系统2的节点(记录装置20)之一而发挥功能的方案。根据实施方式，也可以是顾客(顾客A)所拥有的终端装置(接受支持信息的提供的信息处理装置)兼作分散型记录系统2的节点之一而发挥功能的方案。
(信息提供装置的功能结构)
图2是表示第1实施方式所涉及的信息提供装置的功能结构的图。
如图2所示那样，信息提供装置10具备CPU100、存储器11、操作部12、显示部13、记录介质14和外部连接接口15。
CPU100是掌管信息提供装置10的动作整体的处理器(运算装置)。
CPU100通过将存放于记录介质14等的程序、数据在存储器11上读出并执行处理来实现后述的各功能。
存储器11是用作CPU100的工作区等的易失性的存储器。
操作部12例如由鼠标、触控面板以及键盘等构成，接受操作者(用户)的指示并对CPU100输入各种操作等。
显示部13例如通过液晶显示器实现，显示CPU100的处理结果。
记录介质14例如通过HDD(Hard Disk Drive，硬盘驱动器)、SSD(Solid StateDrive，固态硬盘)等实现，存储OS(Operation System，操作系统)、应用程序以及各种数据。
外部连接接口15是与外部装置的接口。在本实施方式中，所谓外部装置，是提供支持信息的顾客A的终端装置、分散型记录系统2的各节点(记录装置20)。
接下来，说明本实施方式所涉及的CPU100的各种功能。
参数群取得部101参考分散型记录系统2中所含的一个记录装置20来取得对学习完毕的人工智能(例如面向顾客A的人工智能α)赋予特征的参数群。
设计信息取得部102取得关于学习完毕的人工智能的设计信息。在此，所谓“设计信息”，是参数群取得部101取得的能确定各个参数群的学习完毕的人工智能(人工智能α)中的适用部位的信息。
人工智能构建部103基于参数群取得部101取得的参数群和设计信息取得部102取得的设计信息来构建学习完毕的人工智能。
支持信息发送部104将从由人工智能构建部103构建的人工智能的至少一部分输出的支持信息发送到顾客的终端装置。
(分散型记录系统的数据结构)
图3是表示第1实施方式所涉及的分散型记录系统的数据结构的图。
在分散型记录系统2的一个节点(记录装置20)，多个区块B被连结而进行记录，构成区块数据库。这些区块数据库在全部节点取得同步，原则上在全部节点记录相同信息(区块数据库)。
具体地，如图3所示那样，在区块B中包含时间序列上前一个生成的区块B的哈希值H。在该区块B的前一个生成的区块B被篡改的情况下，能通过与该哈希值H的匹配性来判别。
在区块B中包含在某时间带发行的多个交易T。本实施方式中的所谓“交易”，是分散型记录系统2的利用者向该分散型记录系统2发行的记录请求的一个单位。在本实施方式中，利用者对适用于某学习完毕的人工智能(人工智能α)当中的某一层的参数集(W11、W12、W13、··)发行一个记录请求。
一个区块B中所含的各交易T中记录的参数集并不仅限于针对一个人工智能(人工智能α)的参数集。在多个的利用者同时多发地对不同人工智能的参数集发行了记录请求的情况下，在一个区块中能包含记录有针对不同人工智能的参数集的交易T。例如在某一个区块B中，能顺序不同地包含具有适用于面向顾客B学习的人工智能β的第X层的参数集的交易T、具有适用于面向顾客C学习的人工智能γ的第Y层的参数集的交易T等。但记录于各交易T的信息终归仅是要适用于哪个人工智能的哪个层的参数集(W11、W12、W13、··)的数值和发行该交易T的时刻信息。即，对于交易T，不含判别该参数集是适用于哪个人工智能的第几层的参数集的信息。
在本实施方式中，在交易T中能记录为了构建某一个学习完毕的人工智能所需的信息即设计信息。在设计信息中规定了能确定记录于各交易T的各个参数集的适用部位(适用于哪个人工智能的第几层)的信息。设计信息以使用由人工智能的开发者预先规定的加密密钥被加密的状态记录于分散型记录系统2。关于设计信息的数据结构将后述(参考图6)。
(信息提供装置的处理流程)
图4是表示第1实施方式所涉及的信息提供装置的处理流程的图。
图5是表示第1实施方式所涉及的顾客信息的数据结构的图。
图6是表示第1实施方式所涉及的设计信息的数据结构的图。
图7是用于说明第1实施方式所涉及的信息提供装置的功能的图。
以下，参考图4～图7来详细说明信息提供装置10的处理的流程。
每当开始利用了人工智能的面向顾客的服务时，在将与该顾客对应的人工智能(例如完成面向顾客A的学习的人工智能α)构建在信息提供装置10内的时间点实施图4所示的处理流程。
信息提供装置10每当向顾客A开始支持信息的提供时，进行完成了面向顾客A的学习的人工智能α的构建。具体地，信息提供装置10的设计信息取得部102参考预先准备的顾客信息来取得关于预先记录于分散型记录系统2的人工智能α的设计信息(步骤S01)。
在此，如图5所示那样，在顾客信息中，将与各顾客对应的人工智能的识别符即“人工智能ID”、表示该设计信息的分散型记录系统2中的存放场所的“设计信息的地址”以及用于将该设计信息解密的“解密密钥”建立对应进行记录。
图5所示的顾客信息在本实施方式中设为在信息提供装置10所具备的本地的记录介质14(图2)中预先准备的信息，在其他实施方式中并不限定于该方案。例如在其他实施方式中，顾客信息也可以是记录于与信息提供装置10不同的其他终端装置的方案。
在步骤S01，设计信息取得部102参考顾客信息，来取得完成了面向顾客A的学习的人工智能α(人工智能ID＝#0001)的设计信息的地址和用于将该设计信息解密的解密密钥。接下来，设计信息取得部102访问构成分散型记录系统2的记录装置20当中的一者来取得人工智能α的设计信息(被加密的设计信息)。进而，设计信息取得部102使用对应的解密密钥来将加密的设计信息解密，取得图6所示那样的设计信息。
如图6所示那样，在设计信息中，将“人工智能ID”、“层”编号、“单元”、“参数的参考目的地”以及发行该设计信息的记录请求所涉及的交易T的“时刻”建立对应进行记录。
“人工智能ID”是用于确定学习完毕的人工智能(人工智能α)的识别符。
“层”是关于构成人工智能α的神经网络的层的识别符。
“单元”规定了构成各层的多个单元(u11、u12、··)的每一个。所谓“单元”，是神经网络的构成要素的最小单位，也称作“神经元”。一个单元接受属于其前级的层的单元的输出值，进行以该输出值为变量的给定的函数的运算，将其运算结果向属于下一层的其他单元输出。关于构成各单元的函数、输入源、输出目的地等，在该“单元”的栏唯一规定。
“参数的参考目的地”是表示适用于各层的参数集的分散型记录系统2中的存放目的地的地址。
接下来，在图4中，信息提供装置10的参数群取得部101取得要适用于人工智能α的各层的参数集(步骤S02)。在此，参数群取得部101参考步骤S01中取得的设计信息(图6)来取得要适用于人工智能α(人工智能ID＝#0001)的各层的参数集的存放场所(地址)。然后，参数群取得部101访问构成分散型记录系统2的记录装置20当中的一者，基于从设计信息取得的地址(能确定区块B以及交易T的地址)来对每层取得要适用的参数集(W11、W12、··)(参考图3)。
接下来，在图4中，信息提供装置10的人工智能构建部103使用步骤S01中取得的针对人工智能α的设计信息和步骤S02中取得的要适用于人工智能α的各层的参数集来构建人工智能α(步骤S03)。
具体地，人工智能构建部103对属于设计信息中规定的某层的各单元的输出适用与该层对应的参数集(从设计信息中规定的地址读出的参数集)，作为权重值。
例如，人工智能构建部103如图7所示那样，针对第1层的各单元u11、u12、u13、··的各输出，参考在记录于设计信息记录的“B0000XX：T0000XX”的地址(图6)中指定的交易T(图3)。然后，人工智能构建部103将参数集(W11、W12、W13、··)的各自作为第1层的各单元u11、u12、··的各输出的权重值。在此，例如参数W11是适用于从第1层中的单元u11向第2层中的单元u21的输出值(相乘的)权重值。参数W12是适用于从第1层中的单元u11向第2层中的单元u22的输出值的权重值。同样地，参数W21是适用于从第1层中的单元u12向第2层中的单元u21的输出值的权重值。以下同样地，对从各单元向下一层的单元的输出值适用各参数作为权重值。
进而，人工智能构建部103如图7所示那样对第2层的各单元u21、u22、u23、··的各输出，参考记录于设计信息的成为“B0000YY：T0000YY”的地址(图6)中指定的交易T，适用各个参数集(W11、W12、W13、··)作为权重值。
同样地，人工智能构建部103通过对第3层、第4层、··的各单元的输出适用与各个层对应的参数W11、W12、··，来构建人工智能α。
接下来，在图4中，信息提供装置10的支持信息发送部104使用步骤S03中构建的人工智能α来对顾客A发送支持信息(步骤S04)。在此，支持信息发送部104如图7所示那样，对构建的人工智能α输入从顾客A的发电成套设备逐次提供的成套设备数据群。然后，支持信息发送部104将作为人工智能α的输出而得到的支持信息向顾客A发送。
(作用、效果)
以上，第1实施方式所涉及的信息提供系统1将对学习完毕的人工智能赋予特征的参数群记录保存在分散型记录系统2，并另外准备汇聚了用于从该参数群构建人工智能的信息的设计信息。如此一来，针对篡改稳固地保护了记录于分散型记录系统2的参数群。由于记录于分散型记录系统2的各参数群仅仅不过是没有含义的数据的集合，因此不用担心由于第三者的非法的访问而人工智能α被盗用。
在第1实施方式所涉及的信息提供系统1中，设计信息自身也作为分散型记录系统2中的一个交易T被记录。然后，设计信息取得部102参考分散型记录系统2中所含的一个记录装置20来取得设计信息。如此一来，也针对篡改保护了设计信息。
在第1实施方式所涉及的信息提供系统1中，设计信息在被加密的基础上记录于分散型记录系统2。
如此地，通过将完成的人工智能分为参数群和设计图信息，仅将这当中的设计图信息通过加密进行保护，能以最小限的处理负担(加密处理)安全地保护人工智能。
在第1实施方式中，设为了设计信息记录于分散型记录系统2的方案，但在其他实施方式中并不限定于该方案。在其他实施方式中，也可以是记录于服务提供者所拥有的本地的计算机的方案。
<第2实施方式>
接下来参考附图来说明本发明的第2实施方式。
(信息提供系统的整体结构)
图8是表示第2实施方式所涉及的信息提供系统的整体结构的图。
第2实施方式所涉及的信息提供系统1与第1实施方式同样地使用面向顾客A学习的人工智能α来向该顾客A提供发电成套设备所涉及的支持信息。但在本实施方式中，人工智能α当中的仅一部分在信息提供装置10构建，剩下的一部分在顾客A的终端装置构建，在这点上与第1实施方式不同。
具体地，如图8所示那样，由第1层到第9层构成的面向顾客A的人工智能α分为作为其一部分(例如第1层到第7层)的部分人工智能α1和作为剩下一部分(例如第8层到第9层)的部分人工智能α2来构建。部分人工智能α1在信息提供装置10构建，另一方面，部分人工智能α2在顾客A所有的终端装置构建。
在第2实施方式中，部分人工智能α1向顾客A发送的支持信息是在人工智能α的中间层(第7层到第8层)生成的中间数据。顾客A侧的部分人工智能α2接受部分人工智能α1输出的中间数据作为支持信息。然后部分人工智能α2被输入该中间数据并输出最终的支持信息。
(设计信息的数据结构)
图9是表示第2实施方式所涉及的设计信息的数据结构的图。
在本实施方式中，服务提供者如图9所示那样，作为面向顾客A的人工智能α(人工智能ID＝#0001)所涉及的设计信息而预先准备服务提供者用的设计信息和顾客用的设计信息这两种。服务提供者在开始向顾客A的服务提供时，首先从分散型记录系统2取得服务提供者用的设计信息(参考图9上部)。服务提供者基于该服务提供者用的设计信息，以与第1实施方式同样的过程来在信息提供装置10构建人工智能α当中的部分人工智能α1。
在开始向顾客A的服务提供开始时，服务提供者进一步从分散型记录系统2取得顾客用的设计信息(参考图9下部)。服务提供者从顾客A接受公开密钥，用该公开密钥将顾客用的设计信息再度加密，向顾客A发送。顾客A使用自身的私密密钥将接受到的顾客用的设计信息解密。顾客A的终端装置所具备的人工智能构建部103基于解密后的顾客用的设计信息来在顾客A的终端装置构建人工智能α当中的部分人工智能α2。
(作用、效果)
如以上那样，在第2实施方式中，面向某顾客(顾客A)学习的人工智能(人工智能α)在服务提供者侧的终端装置(信息提供装置10)和顾客侧的终端装置被分割构建。即，本实施方式所涉及的人工智能构建部103基于取得的参数群和设计信息仅构建学习完毕的人工智能的一部分(部分人工智能α1)。支持信息发送部104将从构建的人工智能的一部分(部分人工智能α1)输出的中间数据作为面向顾客的支持信息发送到顾客的终端装置。
通过设为这样的方案，从服务提供者侧的终端装置(信息提供装置10)向顾客侧的终端装置传输的支持信息本来就是在人工智能α的内部运算中使用的信息，仅成为作为单体没有任何含义的中间数据。因此，即使不进行通信数据的加密，也能针对第3者对通信数据的窃听提高稳固性。
在第2实施方式中说明为：在信息提供装置10构建由第1层到第9层构成的学习完毕的人工智能α的前级(例如第1层到第7层)，在顾客A所有的终端装置构建后级(例如第8层到第9层)。但在其他实施方式中并不限定于该方案。
例如，其他实施方式中，也可以是如下方案：在顾客A所有的终端装置构建学习完毕的人工智能α当中的前级(例如第1层到第2层)和后级(例如第8层到第9层)，在信息提供装置10构建中级(例如第3层到第7层)。在该情况下，顾客A的成套设备数据群被输入到在顾客A所有的终端装置构建的人工智能α的前级(第1层)。顾客A所有的终端装置向信息提供装置10发送的信息不是成套设备数据群本身，而成为在人工智能α的中间层(第2层到第3层)生成的中间数据。
如此一来，从顾客A向信息提供装置10发送的数据不是原始数据(成套设备数据群)，而能设为人工智能α的中间数据。由此能针对第3者对通信数据的窃听进一步提高稳固性。
<第3实施方式>
接下来，参考附图来说明本发明的第3实施方式。
(信息提供装置的功能结构)
图10是表示第3实施方式所涉及的信息提供装置的功能结构的图。
在此，第3实施方式所涉及的信息提供系统1与第2实施方式同样地跨多个终端装置来构建学习完毕的人工智能α。本实施方式所涉及的信息提供系统1对在顾客A的终端装置构建的部分人工智能α2具有进行追加学习的功能(追加学习处理部105)，在这点上与第2实施方式不同。
以下，说明第3实施方式所涉及的信息提供装置10的具体的结构以及处理的内容。
图10所示的信息提供装置10的追加学习处理部105在顾客A的服务提供开始时，与学习完毕的人工智能α(α1+α2)分开地在内部复制(构建)与该人工智能α同等的人工智能α’。然后，追加学习处理部105在利用了人工智能α的服务的提供中，将从作为支持信息的提供目的地的顾客A逐次提供的成套设备数据群作为教导数据，使在内部复制的人工智能α’当中相当于部分人工智能α2的部分(部分人工智能α2’)进行追加学习。
在追加学习处理部105的追加学习的结果是完成了能提供与人工智能α相比预测精度更加提升的支持信息的部分人工智能α2’的情况下，服务提供者将该部分人工智能α2’的参数记录于分散型记录系统2，并作成部分人工智能α2’的设计信息。
如此一来，每当将追加学习部分的效果反映到服务时，只是将部分人工智能α2’的设计信息提供给顾客A即可。因此，能减轻按顾客区别的服务的更新作业所需的负担。
以上详细说明了第1～第3实施方式所涉及的信息提供系统1以及信息提供装置10，但信息提供系统1以及信息提供装置10的具体的方案并不限定于上述内容，能在不脱离要旨的范围内加进种种设计变更等。
例如在第1～第3实施方式中，说明为人工智能α(α1+α2)是将顾客A的过去的成套设备数据群作为教导数据进行学习的产物，但在其他实施方式中并不限定于该方案。
在其他实施方式中，例如人工智能也可以是将从多个顾客(顾客A、顾客B、顾客C、··)的各自收集的过去的成套设备数据群的全部作为教导数据进行学习的产物。进行过这样的学习的主人工智能X成为对多个顾客的全部进行了最佳化的人工智能。
在该情况下，上述其他实施方式所涉及的信息提供装置10可以在信息提供装置10构建作为主人工智能X的一部分的共通人工智能X1(例如主人工智能X的第1层～第7层)。于是，可以成为信息提供装置10在设为对象的顾客的终端装置构建对人工智能的剩下的部分(例如第8层～第9层)按各顾客区别进行了最佳化的人工智能的方案。
在上述的各实施方式所涉及的分散型记录系统2中说明为在区块B中所含的各交易T(图3)中将要适用于某人工智能的一个层的数据汇总记录的方案，但在其他实施方式中并不限定于该方案。
例如可以是在一个交易T中以一个参数(例如“W11”、“W12”)为单位进行记录的方案，也可以是以一个人工智能(人工智能α、β、··)为单位进行记录的方案。
在上述的各实施方式中，以信息提供系统1以及信息提供装置10提供用于支持顾客运用的发电成套设备的运转的支持信息的方案进行了说明，但在其他实施方式中并不限定于该方案。例如在其他实施方式中，可以提供用于支持发电成套设备以外的成套设备(化学成套设备、石油成套设备或大型装置等)的运转的支持信息。
在上述的各实施方式中，上述的信息提供装置10的各种处理的过程以程序的形式存储在计算机可读的记录介质，通过计算机读出并执行该程序来进行上述各种处理。所谓计算机可读的记录介质，是指磁盘、光磁盘、CD-ROM、DVD-ROM、半导体存储器等。也可以将该计算机程序通过通信线路发布到计算机，并由接受到该发布的计算机执行该程序。
上述程序也可以用于实现上述的功能的一部分。进而，也可以是能将上述的功能与已经记录于计算机系统的程序的组合而实现的所谓差分文件(差分程序)。进而，信息提供装置10可以由1台计算机构成，也可以由能通信地连接的多个计算机构成。
以上说明了本发明的几个实施方式，但这些实施方式是作为示例而提示，并不意图限定发明的范围。这些实施方式能以其他种种形态实施，能在不脱离发明的要旨的范围内进行种种省略、置换、变更。这些实施方式、其变形与包含在发明的范围、要旨中同样地包含在记载于权利要求书的发明和其等同的范围内。
产业上的可利用性
根据上述的信息提供装置、信息提供系统、信息提供方法以及程序，能稳固地保护学习完毕的人工智能。
附图标记的说明
1 信息提供系统
10 信息提供装置
100 CPU
101 参数群取得部
102 设计信息取得部
103 人工智能构建部
104 支持信息发送部
105 追加学习处理部
2 分散型记录系统
20 记录装置。

Claims (8)

1.一种信息提供装置，使用学习完毕的人工智能来提供顾客所期望的支持信息，所述信息提供装置的特征在于，具备：
参数群取得部，其参考预先在多个记录装置分散记录有对所述学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个所述记录装置，来取得该参数群；
设计信息取得部，其取得规定了能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；
人工智能构建部，其基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分；和
支持信息发送部，其将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置。
2.根据权利要求1所述的信息提供装置，其特征在于，
所述设计信息取得部参考所述分散型记录系统中所含的一个所述记录装置来取得所述设计信息。
3.根据权利要求2所述的信息提供装置，其特征在于，
所述设计信息在所述分散型记录系统中被加密记录。
4.根据权利要求1～3中任一项所述的信息提供装置，其特征在于，
所述人工智能构建部基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的一部分，
所述支持信息发送部将从构建的所述人工智能的一部分输出的中间数据作为所述支持信息发送到顾客的信息处理装置。
5.根据权利要求1～4中任一项所述的信息提供装置，其特征在于，
所述信息提供装置还具备：
追加学习处理部，其复制与学习完毕的人工智能同等的人工智能，将从作为支持信息的提供目的地的所述顾客提供的成套设备数据群作为教导数据，来使复制的人工智能当中的至少一部分追加学习。
6.一种信息提供系统，其特征在于，具备：
权利要求1～5中任一项所述的信息提供装置；和
所述分散型记录系统。
7.一种信息提供方法，使用学习完毕的人工智能来提供顾客所期望的支持信息，所述信息提供方法的特征在于，具有：
参数群取得步骤，参考预先在多个记录装置分散记录有对所述学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个所述记录装置，来取得该参数群；
设计信息取得步骤，取得规定了能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；
人工智能构建步骤，基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分；
支持信息发送步骤，将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置。
8.一种程序，使用于使用学习完毕的人工智能提供顾客所期望的支持信息的计算机执行如下步骤：
参数群取得步骤，参考预先在多个记录装置分散记录有对所述学习完毕的人工智能赋予特征的参数群的分散型记录系统中所含的一个所述记录装置，来取得该参数群；
设计信息取得步骤，取得规定了能确定所述参数群各自的所述学习完毕的人工智能中的适用部位的信息的设计信息；
人工智能构建步骤，基于取得的所述参数群和所述设计信息来构建所述学习完毕的人工智能的至少一部分；和
支持信息发送步骤，将从构建的所述人工智能的至少一部分输出的所述支持信息发送到顾客的信息处理装置。
CN201880017651.8A 2017-03-31 2018-03-23 信息提供装置、信息提供系统、信息提供方法以及程序 Pending CN110419046A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-069941 2017-03-31
JP2017069941A JP6718405B2 (ja) 2017-03-31 2017-03-31 情報提供装置、情報提供システム、情報提供方法及びプログラム
PCT/JP2018/011733 WO2018181003A1 (ja) 2017-03-31 2018-03-23 情報提供装置、情報提供システム、情報提供方法及びプログラム

Publications (1)

Publication Number Publication Date
CN110419046A true CN110419046A (zh) 2019-11-05

Family

ID=63677031

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880017651.8A Pending CN110419046A (zh) 2017-03-31 2018-03-23 信息提供装置、信息提供系统、信息提供方法以及程序

Country Status (5)

Country Link
US (1) US20200034545A1 (zh)
EP (1) EP3605381A4 (zh)
JP (1) JP6718405B2 (zh)
CN (1) CN110419046A (zh)
WO (1) WO2018181003A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110869947A (zh) * 2017-07-07 2020-03-06 索尼公司 提供装置、处理装置、信息处理方法及程序
KR102190105B1 (ko) * 2018-12-27 2020-12-11 (주)아크릴 인공 신경망의 파라미터 셋을 결정하는 방법
KR102190103B1 (ko) * 2018-12-27 2020-12-11 (주)아크릴 인공 신경망의 상용화 서비스 제공 방법
JP7301278B2 (ja) * 2019-03-22 2023-07-03 株式会社中電工 図面学習装置
CN114175065A (zh) * 2019-07-30 2022-03-11 京瓷株式会社 信息处理系统
JP2023012094A (ja) * 2021-07-13 2023-01-25 荏原環境プラント株式会社 情報処理方法、情報処理装置、および情報処理プログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140058534A1 (en) * 2012-08-21 2014-02-27 General Electric Company Plant control optimization system
US20160004794A1 (en) * 2014-07-02 2016-01-07 General Electric Company System and method using generative model to supplement incomplete industrial plant information

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3070643B2 (ja) * 1992-10-23 2000-07-31 株式会社デンソー ニューラルネット型追加学習装置
CA2335060C (en) * 1998-06-23 2009-09-01 Intellix A/S N-tuple or ram based neural network classification system and method
AU2002242033A1 (en) * 2001-02-16 2002-09-04 Idax, Inc. Decision support for automated power trading
JP5844854B2 (ja) * 2014-06-19 2016-01-20 ヤフー株式会社 提供装置、提供方法及び提供プログラム
JP6435581B2 (ja) 2015-01-29 2018-12-12 パナソニックＩｐマネジメント株式会社 転移学習装置、転移学習システム、転移学習方法およびプログラム
JP6571375B2 (ja) * 2015-04-24 2019-09-04 国立大学法人 筑波大学 著作物保護支援装置
WO2017011322A1 (en) * 2015-07-10 2017-01-19 Whether or Knot LLC Systems and methods for weather data distribution
JP6836340B2 (ja) 2015-09-29 2021-02-24 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 不正検知電子制御ユニット、車載ネットワークシステム及び通信方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140058534A1 (en) * 2012-08-21 2014-02-27 General Electric Company Plant control optimization system
US20160004794A1 (en) * 2014-07-02 2016-01-07 General Electric Company System and method using generative model to supplement incomplete industrial plant information

Also Published As

Publication number Publication date
US20200034545A1 (en) 2020-01-30
WO2018181003A1 (ja) 2018-10-04
JP2018173711A (ja) 2018-11-08
EP3605381A1 (en) 2020-02-05
JP6718405B2 (ja) 2020-07-08
EP3605381A4 (en) 2020-12-16

Similar Documents

Publication Publication Date Title
CN110419046A (zh) 信息提供装置、信息提供系统、信息提供方法以及程序
JP7292365B2 (ja) ブロックチェーンからのデータのセキュアな抽出のための暗号方法及びシステム
US11487969B2 (en) Apparatuses, computer program products, and computer-implemented methods for privacy-preserving federated learning
CN110537183A (zh) 数据标记化
Wang et al. Image encryption using genetic operators and intertwining logistic map
CN107222302B (zh) 用部分同态加密方案构建的空间众包任务分配系统及方法
Varaprasada Rao et al. Secure electronic voting (E-voting) system based on blockchain on various platforms
CN110610093A (zh) 在参数数据集中进行分布式训练
JP2021515271A (ja) コンピュータにより実施される投票処理およびシステム
CN112989385B (zh) 一种云际计算环境中数据安全动态访问控制方法及系统
Sethia et al. CP-ABE for selective access with scalable revocation: A case study for mobile-based healthfolder.
CN108696518A (zh) 区块链上用户通信加密方法、装置、终端设备及存储介质
CN113901512A (zh) 数据共享方法及系统
CN110474764B (zh) 密文数据集交集计算方法、装置、系统、客户端、服务器及介质
Keshta et al. Blockchain aware proxy re-encryption algorithm-based data sharing scheme
CN106888213A (zh) 云密文访问控制方法及系统
JP2015170057A (ja) 秘匿検索装置、秘匿検索方法および秘匿検索プログラム
CN110012024A (zh) 一种数据共享方法、系统、设备及计算机可读存储介质
CN109873806A (zh) 基于二维码的数控装置注册方法及系统
Banaeian Far et al. BB-CSP: an efficient blockchain-based collective salary payment framework using weighted functional encryption
Ogiela et al. Classification of cognitive systems dedicated to data sharing
KR20200059002A (ko) 블록체인 기반의 임상 정보 제공 시스템 및 방법
Kovalchuk et al. Information protection service using topological image coverage
CN114462626A (zh) 联邦模型训练方法、装置、终端设备以及存储介质
Soltani et al. Data capsule: A self-contained data model as an access policy enforcement strategy

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191105