JP2007524892A

JP2007524892A - モバイルインテリジェントデータキャリアを介した動的なデータグラムスイッチとオンデマンドの認証及び暗号体系によって実現した広範なユーザー中心のネットワークセキュリティ

Info

Publication number: JP2007524892A
Application number: JP2006508631A
Authority: JP
Inventors: テー．ヨルゲンセン，イミ; エル．ダモン，クレイグ; パスエル，ヤン; エル．アーラウド，クリストファー
Original assignee: ギリテックアクティーゼルスカブ
Priority date: 2003-05-02
Filing date: 2004-01-28
Publication date: 2007-08-30
Anticipated expiration: 2024-01-28
Also published as: RU2308080C2; EP1620773A4; WO2004099940A8; AU2004237046B2; CA2525490A1; KR20060041165A; BRPI0409844A; NO20055067L; CA2525490C; WO2004099940A2; RU2005137570A; AU2004237046A1; KR100825241B1; EP1620773A2; NO20055067D0; JP4430666B2; WO2004099940A3; NO335789B1

Abstract

ネットワーク上におけるデータ伝送及びリモートアプリケーション共有のアクセス制御、管理監視、信頼性、並びに柔軟性を改善する方法及びシステムが提供される。複数のユーザー間における安全で安定したネットワーク接続及び効率的なネットワークトランザクションが、オープン及び分散クライアント／サーバーアーキテクチャによってサポートされる。複数のアプリケーション及びネットワークサービスをサポートする動的なデータグラムスイッチングを実現するべく、データグラムスキーマが適合されている。認証及び暗号化体系の実装を許容するモバイルインテリジェントデータキャリアが提供されている。このインテリジェントデータキャリアは、認可されたユーザーに対してアプリケーションをターゲット供給し、これにより、データのみならず、アプリケーションに対するアクセス制御を実現するべく適合されている。一実施例においては、認証及び暗号化体系は、物理的又は行動バイオメトリックスに基づいている。本開示の方法及びシステムは、ビジネス、研究、及び管理業務の広範な領域をサポートするべく、企業ネットワーク環境内に有利に配備可能である。

Description

本開示は、一般に、デジタルネットワーク通信に関するものである。詳しくは、本開示は、オープンな又は閉じたネットワーク設定における安全なデータ伝送とリモートアプリケーションサービスの提供に関するものである。更に詳しくは、ネットワーク上におけるデータ伝送とリモートアプリケーション共有のアクセス制御、管理監視、信頼性、及び完全性を改善するための方法及び統合システムが提供される。この開示対象の方法及びシステムは、複数のアプリケーション及びネットワークサービスをサポートするためのネットワークトランザクションにおける動的なデータグラムスイッチングを実現するデータグラムスキーマを採用している。認証及び暗号化体系を実装可能なモバイルインテリジェントデータキャリアが様々な実施例において提供されている。この開示対象の方法及びシステムによって実現する広範なユーザー中心のネットワークセキュリティは、例えば、金融及びバンキング環境、国家安全保障及び軍事情報技術（ＩＴ）システム、健康管理ネットワーク、法律及びその他の専門的なコンサルテーションサービスのＩＴインフラストラクチャ、及び様々なオンライン商取引システムに有利に配備可能である。本開示によるシステム及び方法は、バイオメトリック及びその他の適切な認証手段との関連で実装可能である。

グローバル化を伴ったデジタル革命により、人々の生活は、前例のない方式で変化しつつある。インターネットの成長と進化は、国境を越えた新しい企業の出現を助長すると共に、既存のビジネスの拡大を促進している。今日のグローバルな経済においては、事業や研究組織の存続は、主に情報の処理と管理におけるその効率によって決まる。データの伝送と管理が、様々な産業において不可欠な役割を益々果たすようになっている。技術者や先見の明のある事業家は、複数ユーザーに対してサービスする分散コンピュータ間における安定し効率的なデータ伝送、効果的なアクセス制御、及びアプリケーションリソースのリモート共有と管理を実現する安全なネットワークシステムを確立するという大きな問題と直面してきた。

従来、様々なネットワーク構成が組織のＩＴインフラストラクチャに使用されている。例えば、Ｅｔｈｅｒｎｅｔ（登録商標）、トークンリング、及びクライアントサーバーアーキテクチャが広く採用されている。同様に、データ暗号化及び圧縮用の関連技術についても周知であり、安全なデータ伝送を促進するべく使用されてきた。既存のネットワークシステムは、しばしば、データトランザクションの妨害とットワーク接続の消失という問題を有している。一般に、失われた接続を回復するのは困難である。失われた接続のパラメータを正確に再設定することによって再接続の完全性を確保することは更に困難である。データが失われる可能性があり、データ伝送を最初からやり直す必要があろう。救済を可能にする情報の閾値レベルを追跡及び収集できない場合には、消失は、永久的なものとなろう。この安定性の欠如は、データ伝送の正確性を大きく損ない、この結果、分散データ処理及び管理にとって致命的な問題となる。このような障害に対処するには、多大な費用を所要する。オンライン電子ビジネスが近年直面している問題点から明らかなように、この問題は、産業全体を妨げ得るものである。

この不安的な（従って、信頼性の低い）ネットワーク通信の問題は、分散企業ＩＴ環境において情報配布とアプリケーション管理を保護するための広範で、安定し、且つ、ユーザーフレンドリーであって、費用効率の優れたネットワークセキュリティソリューションの欠如によって悪化することになる。民間の事業体と公的な組織は、同様に、しばしば、セキュリティ侵害による大きな資金的な損失に苦しんでいる。又、調整されていない情報及びアプリケーション管理のために、非効率的なＩＴセキュリティソリューションに対して多大な資金が浪費されている。

現在のネットワークセキュリティソリューションの欠点は、多数存在しているが、主な４つの側面が注目に値する。第１に、ビジネスの成長を大幅に制限することなしにネットワーク全体を保護する統合システムが欠如している。様々なセキュリティ機能を実現するべく、組織は、異なるベンダから多数の製品を採用することを強いられている。これらの製品のそれぞれが解決するのは、全体的なネットワークセキュリティニーズの個々の側面のみである。例えば、ファイアウォールは、インターネット上において伝送されるデータを暗号化することはなく、侵入検出システム（ＩｎｔｒｕｓｉｏｎＤｅｔｅｃｔｉｏｎＳｙｓｔｅｍ：ＩＤＳ）は、仮想プライベートネットワーク（ＶｉｒｔｕａｌＰｒｉｖａｔｅＮｅｔｗｏｒｋ：ＶＰＮ）接続をオープンするべく認可されたログイン名とパスワードを入力した人物が、実際に意図するユーザーであることを検証及び保証することができず、且つ、ＶＰＮは、ＩＴ部門によるユーザー権限及びアクセスポリシーの監視を支援しない。従って、既存のシステム及び方法は、いずれも、ネットワークのすべての側面を１つで保護する能力を有してはいない。競合するベンダの複数のセキュリティ製品を使用すれば、互換性の欠如の問題が生じる。変動する数の周辺セキュリティ装置及びソフトウェアパッケージを維持することも極めて複雑であり、過剰な費用を所要することになる。総じて、このようなパッチワークソリューションは、組織のＩＴフレームワークの保護において、効果的とはいえない。

第２に、既存の焦点は、装置とデータの保護におかれている。このようなシステム中心の方法では、装置を使用している個々のユーザーのアクセスポイントを保護することはできない。この現在の方法に伴う固有の問題は、装置の数とユーザーモビリティのレベルの拡大に伴い、益々顕著になるであろう（これは、世界が広範なコンピューティングに遷移していることに伴って、必然的なことである）。

このシステム中心のシステムの固有の欠点を理解するには、サイバー犯罪の様々なシナリオを考えてみればよい。サイバー犯罪は、別の人間を装うか、又はルーティング上におけるその痕跡を隠蔽するのかを問わず、多くの場合に、加害者のアイデンティティを偽装する試みによって特徴付けられる。ユーザーのアイデンティティを確立及び検証するために使用される技法が、少なくとも部分的に当てにならないため、このような試みは、ほとんどの場合、成功する。例えば、大部分のパスワードは、破るのが容易であり、それらは、多くの場合に、余りに明らかであるか、或いは、容易にアクセス可能な装置上に保存されている。デジタル証明書及び公開／秘密鍵をサポートする既存のインフラストラクチャも不正使用の対象となる。従って、ネットワーク装置のユーザーを識別し、これらのユーザーと向かい合っている装置を保護するための既存の方法（従って、これはシステム中心である）は、固有のセキュリティ問題を有している。保護されているネットワークへのアクセスを試みる者のアイデンティティをピンポイントで特定する有効な手段が採用されなければ、高度なセキュリティは、幻想に留まることになる。従って、良好なネットワークセキュリティためには、装置及びデータの保護から、ユーザーの保護への大きなパラダイムシフトが必要である。ユーザーのアイデンティティを確立及び検証し、これにより、モバイルアクセスと、イベントに基づいたユーザー中心のセキュリティを実現するユーザー中心の体系が望ましい。

第３に、既存のＩＴセキュリティソリューションは、普通のユーザーにとって、余りに複雑である。複雑なセキュリティ手順を平均的なユーザーが実行することを期待しており、この結果、しばしば、企業ＩＴ環境における誤りとセキュリティ上の過失が生じることになる。例えば、ＶＰＮのインストール、稼働、又は保守は、簡単というには程遠い。電子メールの暗号化には、余分な作業が伴い、従って、これを厭わない者は、ほとんどいない。優れたパスワードを選択し記憶することでさえ、多くの人々には大きな問題となりうる。ＩＴ専門家ではないユーザーに依存した複雑なセキュリティ手順の実行は、まったく機能しない。普通のユーザーは、セキュリティ手順を迂回する方法を見つけたり、完全にそれらを無視する可能性がある。更には、大量のソフトウェアパッチの維持及び操作も、多くのＩＴ部門におけるリソースを浪費し、その能力を上回っている。従って、ユーザーフレンドリーであって最小限の操作及び管理オーバーヘッドを必要とする効果的なセキュリティソリューションが求められている。

そして、最後に、その他の分野と同様に、ＩＴセキュリティ産業においても、ある種の慣性が存在している。変化と新しい方法に対するある程度の抵抗力が存在している。物事を実行するための既存の方法が、広く行き渡っており、プロバイダ側と消費者側の両方において、ネットワークセキュリティソリューションの世界を支配している。既存の技術に対する執着と改善及び変更のためのバンドエイドアプローチが、真に革新的なソリューションの開発を妨げている。

以上の理由から、望ましい信頼性、効率、及びユーザーフレンドリーさを提供する新しいネットワークセキュリティパラダイムに対するニーズが存在している。分散ＩＴフレームワークのニーズを充足し、広範なコンピューティング及び情報処理をサポート可能な種類のセキュリティソリューションによって、既存のシステムの問題点を解決しなければならない。

熟練したネットワーク技術者又はビジネスＩＴネットワークに習熟したユーザーは、更に良好なＩＴセキュリティソリューションの重要性を理解することになろう。このためには、組織のコンピューティングとＩＴネットワークの歴史を簡単にレビューすることが有用であろう。

最初のコンピュータは、メインフレームであった。これらの複雑であって完全に統合された装置は、適切に機能するために保護された環境を必要としていた。これらは、高度な専門的な知識を有する熟練した技術者によってのみ操作可能であった。これらに対するアクセスは制限されており、これらが提供するその他の装置との接続性は、限定されていた。この結果、これらを保護するのは容易であった。

パーソナルコンピュータ（ＰＣ）の出現、ネットワーク技術の進展、並びに、特に、インターネットの最近の爆発的な成長によって、人々がコンピュータを使用し、コンピュータに関係する方法が変化した。コンピュータ装置のサイズが小さくなって、容易に移動可能となり、且つ、フレンドリーなユーザーインターフェイスによる支援によって素人が操作できるようになった。コンピュータを接続してコンピュータネットワークを生成し、情報及びアプリケーションの共有が可能になった。ネットワーク接続性は、インターネットによってその絶頂期を迎えている（これは、一般大衆の手が届く真にグローバルな接続である）。デスクトップ及びラップトップＰＣに加えて、自宅又は事務所の外でネットワークアクセスを必要とする人々の間で、ＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、タブレットＰＣ、及び携帯電話機が一般的になっている。

このような技術の迅速な進展とビジネスニーズの拡大が、世界中で、ＩＴ部門に対して前例のない問題を提示している。永続的に増大し続けるデータ量（これには、莫大な数の装置からアクセス可能である）の保護が必要になったのである。そして、このような保護は、広帯域の「常時接続状態」の接続を背景として確立しなければならない。又、インターネット上におけるプライバシー及び情報所有権に関する懸念に対処する様々な国々の規制方針にも留意する必要がある。技術的に安定し、且つ広範なビジネスの観点からのネットワークセキュリティソリューション（特に、ＩＴの進化の次の不可避なフェーズに鑑み、広範なコンピューティングを特徴としているもの）が必要とされているのが明らかである。すべてのアナログ装置は、対応するデジタル装置によって、現在、置き換えられつつあり、やがては置き換えられると予想される。同様に、テレビ、電話機、ＣＤ及びＤＶＤ、デジタルカメラ、ビデオカメラ、及びコンピュータゲームプラットフォームも（まだ、そうでない場合には）すべてインターネットアクセスをサポートすることになろう。ネットワークデータアクセスが、いつでも、どこにおいても可能になるに伴って、プロプライエタリな企業データと機密のプライベート情報を保護するニーズが、緊急のものとなり、相応して、このようなニーズを満足させる難しさのレベルが上昇することになる。

要するに、当業者であれば、組織のＩＴインフラストラクチャの進展と、現在の安全なネットワーク通信の欠如に鑑み、ネットワークデータ伝送のセキュリティ、安定性、効率性、及び柔軟性を改善するシステム及び方法に対するニーズと、これに関連し、安全で信頼性の高い企業情報管理とアプリケーション共有のための新しいネットワークパラダイムに対するニーズについて理解することができよう。

従って、ネットワーク上における安全なデータ伝送とアプリケーション共有の信頼性、柔軟性、及び効率を改善するシステム及び方法を提供することが本開示の目的である。具体的には、本明細書に開示されている方法及びシステムは、複数のユーザー間における安全で柔軟なネットワーク接続と信頼性の高い効率的なネットワークトランザクションをサポートするオープンクライアントサーバーアーキテクチャを実現する。このＩＴネットワークプラットフォームは、広範なセキュリティ（即ち、様々なネットワーク接続装置を有するオンデマンドのセキュリティ）を提供し、これは、ユーザー中心的なものである（即ち、これは、ネットワークに接続するためにユーザーが使用している装置ではなく、ユーザー自身を保護する）。一実施例によれば、この広範でユーザー中心のセキュリティは、ネットワーク装置を使用することにより、いつでも、どこにおいても、本開示によるシステム及び方法によって確立可能である。

一実施例においては、多数のアプリケーション及びネットワークサービスをサポートするための動的なデータグラムスイッチングを実装可能なデータグラムスキーマが提供される。別の実施例においては、ユーザー認証のための認証及び暗号化体系を実装するモバイルインテリジェントデータキャリアが提供される。本開示による広範でユーザー中心のネットワークセキュリティは、例えば、政府、軍、製造業者、金融サービス、保険、コンサルティング、健康管理、及び製薬産業を含む分散コンピュータネットワークを使用するあらゆる企業ＩＴ環境に有利に配備可能である。様々な実施例によれば、このＩＴセキュリティプラットフォームは、特に、在庫、販売、顧客サービス、マーケティング及び宣伝、電話会議、並びに、様々なアプリケーションのリモート共有を含む広範な多数の事業活動を促進可能である。特定の実施例においては、本開示のシステム及び方法は、バイオメトリック及びその他の適した認証方法と関連して実装可能である。

従って、本開示は、既存のパッチワークソリューションとは異なる独自のネットワークセキュリティプラットフォームを提供する。総合的なアプローチを採用して単一のソリューションを提供しており、このソリューションによれば、組織は、ネットワークが様々な多数の装置又はアプリケーションインターフェイスを通じて接続する世界中のユーザーに対して動的にそのリソースを延長するのに伴って、ネットワーク全体を保護することができる。本開示のネットワークセキュリティプラットフォームは、ユーザーが使用する様々なネットワークホスト装置ではなく、ユーザーの保護に焦点を合わせている。このようなユーザー中心の体系は、前例のない単純さと柔軟性を提供可能であり、この結果、ネットワークシステムに対するユーザフレンドリーさが改善される。この改善されたセキュリティは、ユーザーに対してトランスペアレントである。但し、その一方で、必要に応じて、ユーザーの活動を効果的に監視可能である。ＩＴ部門は、すべてのユーザーアクセスを完全に制御することができる。

本開示によれば、１つ又は複数のユーザーと少なくとも１つのネットワークサーバー間における安全なネットワーク接続システムが一実施例において提供される。このシステムは、１つのユーザーに対して発行された少なくとも１つのインテリジェントデータキャリア（このインテリジェントデータキャリアは、少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）メモリ内に保存されたデータを処理するべく適合された１つのプロセッサを有しており、このインテリジェントデータキャリアは、ホストコンピュータ装置に対して接続し、これにより、その入出力装置を介して、ネットワーク上においてデータを伝送する能力を有し、このインテリジェントデータキャリアは、認証及び暗号化体系を通じて、ユーザーのネットワークアイデンティティを確立するべく適合されている）と、１つ又は複数のユーザーにサービスする多数のアプリケーションのデータグラムの動的な割り当てとスワッピングのための動的なデータグラムスイッチと、を有している。

一実施例によれば、インテリジェントデータキャリアは、移動可能である。別の実施例によれば、インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、及びトークン装置の中の１つによって実装されている。

更に別の実施例によれば、認証及び暗号化体系は、（ａ）インテリジェントデータキャリアからネットワークサーバーに対して、インテリジェントデータキャリアの認証要求を転送する段階と、（ｂ）ネットワークサーバーが、インテリジェントデータキャリアに対して、複数の認証方法を提示する段階と、（ｃ）イベントを通じて、インテリジェントデータキャリアが、複数のものの中から１つの認証方法を選択する段階と、（ｄ）ネットワークサーバーが、選択された方法に基づいて、インテリジェントデータキャリアの認証データに対する要求をインテリジェントデータキャリアに対して送信する段階と、（ｅ）ネットワークサーバーが、インテリジェントデータキャリアから受信した認証データを１つ又は複数のデータ認証オブジェクトに変換する段階であって、それぞれのデータ認証オブジェクトは、１つ又は複数のクラシファイアを使用して分析可能なデータベクトルオブジェクトである、段階と、（ｆ）ネットワークサーバーが、１つ又は複数のクラシファイアに従って、データ認証オブジェクトを分析し、これにより、認証の結果を判定する段階と、（ｇ）ネットワークサーバーが、この結果をインテリジェントデータキャリアに送信し、認証の試みの成功又は失敗について通知する段階と、という連続した段階を有している。

更なる実施例によれば、段階（ｃ）のイベントは、マウスのクリック、画面上における接触、キーストローク、発声、又はバイオメトリック計測である。

更に別の実施例によれば、段階（ｅ）の要求は、擬似ランダム及び真のランダムコードの少なくともいずれかを有している。擬似ランダムコードは、数学的に事前算出されたリストに基づいて生成される。真のランダムコードは、システム外のエントロピーソースをサンプリング及び処理することによって生成される。

別の実施例によれば、ランダム化は、１つ又は複数のランダム生成器と１つ又は複数の独立したシードによって実行される。

別の実施例によれば、段階（ｆ）における分析は、１つ又は複数の分析法則に基づいている。更に別の実施例においては、１つ又は複数の分析法則は、段階（ｅ）の１つ又は複数のクラシファイアによる分類を有している。

別の実施例によれば、分類は、発話者の検証であり、データオブジェクトベクトルは、ターゲット発話者と詐称者という２つのクラスを有している。それぞれのクラスは、確率密度関数によって特徴付けられており、段階（ｆ）の判定は、２値決定問題である。

更に別の実施例によれば、段階（ｆ）の判定は、段階（ｅ）の１つ又は複数のクラシファイアに基づいて、１つ又は複数のデータベクトルオブジェクトから、合計、優位性、及び確率の少なくとも１つを算出する段階を有している。更に別の実施例においては、合計は、１つ又は複数のデータベクトルオブジェクトから算出された優位な及びランダムな合計のいずれかである。

更なる実施例によれば、段階（ｅ）における１つ又は複数のクラシファイアは、複数のデータベクトルオブジェクトから導出されたスーパークラシファイアを有している。

更に別の実施例によれば、スーパークラシファイアは、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識の少なくとも１つを有する物理的なバイオメトリックスに基づいている。別の実施例においては、スーパークラシファイアは、個人の振る舞いの癖やパターンを有する行動バイオメトリックスに基づいている。

更なる実施例によれば、認証及び暗号化体系は、非対称及び対称マルチサイファ暗号化を有している。更に別の実施例においては、暗号化は、出力フィードバック、サイファフィードバック、サイファブロックチェーニング、及びサイファフォワーディングの少なくとも１つを使用する。別の実施例においては、暗号化は、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌに基づいている。

更に別の実施例によれば、認証及び暗号化体系は、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）を使用している。ＳＫＥは、一実施例においては、パブリックキーシステムを採用している。別の実施例においては、ＳＫＥは、ＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｓｙｓｔｅｍ）プライベートキーを使用している。

更に別の実施例によれば、認証及び暗号化体系は、インテリジェントデータキャリアがサーバーに登録済みであることを検証するべく適合された論理試験と、インテリジェントデータキャリア及びホストコンピュータ装置における物理的なパラメータを検証するべく適合された装置試験と、イベントレベルデータに基づいてユーザーを認証するべく適合された人物試験の少なくとも１つを含んでいる。

更なる実施例によれば、多数のアプリケーションは、ウィンドウに基づいたリモート端末サーバーアプリケーション、メインフレーム用の３２７０／５２５０端末エミュレータ上のアプリケーション、直接的に組み込まれたアプリケーション、及びマルチメディアアプリケーションの少なくとも１つを有しており、直接的に組み込まれたアプリケーションは、データベースアプリケーション、データ分析ツール、ＣＲＭ（ＣｕｓｔｏｍｅｒＲｅｌａｔｉｏｎＭａｎａｇｅｍｅｎｔ）ツール、ＥＲＰ（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅＰｌａｎｎｉｎｇ）パッケージの少なくとも１つを有している。

別の実施例によれば、動的なデータグラムスイッチは、データグラムスキーマとパーサーを有している。データグラムスキーマは、１つ又は複数のデータグラムタイプに属する複数のデータグラムを有している。データグラムは、（ｉ）ネットワーク伝送用のコンテンツデータと、（ｉｉ）ネットワーク接続の管理及び制御とネットワークアプリケーションのサポートのためのその他の情報を搬送するべく適合されている。それぞれのデータグラムタイプは、複数の機能を有している。パーサーは、１つ又は複数のデータグラムタイプを解析するべく適合されている。

更に別の実施例によれば、データグラムスキーマは、数なくとも１つのメイジャーデータグラムタイプと、１つのメイジャーデータグラムタイプ内において、少なくとも１つのマイナーデータグラムタイプを有している。

更に別の実施例によれば、パーサーは、データグラムタイプのマトリックスを解析する能力を有している。更なる実施例においては、マトリックスは、第１の多数のメイジャーデータグラムタイプと、第１の多数のもののそれぞれのメイジャーデータグラムタイプ内において、第１の多数のマイナーデータグラムタイプを有している。

別の実施例によれば、メイジャーデータグラムタイプは、（ｉ）ユーザー接続を認証及び制御するべく適合されたサーバーメッセージ及び接続制御データグラム、（ｉｉ）コンテンツデータを伝送するべく適合されたコンテンツデータグラム、（ｉｉｉ）ポイントツーポイント、ポイントツーマルチポイント、及びマルチポイントツーマルチポイントデータ伝送を管理するべく適合されたブロードキャストデータグラム、（ｉｖ）ネットワークサーバーとインテリジェントデータキャリア間においてプロキシデータを伝達するべく適合された接続プロキシデータグラム、（ｖ）リアルタイムでメッセージを伝送するべく適合されたインスタントメッセージタイプ、（ｖｉ）オーバーサイズのデータ及びメディアファイルを転送するべく適合された大規模コンテンツ転送データグラム、（ｖｉｉ）ネットワークユーザーをサーチするべく適合されたユーザーディレクトリデータグラム、及び（ｖｉｉｉ）ネットワークユーザーを遠隔制御するべく適合されたリモート管理データグラムからなる群から選択される。

別の実施例によれば、データグラムスキーマ内のそれぞれのデータグラムは、一般的なレイアウトを具備しており、これは、（ｉ）１つ又は複数のメイジャーデータグラムタイプ、（ｉｉ）１つ又は複数のマイナーデータグラムタイプ、（ｉｉ）データグラム長、及び（ｉｉｉ）データグラムチェックサム用の（Ａ）ヘッダフィールドと、（Ｂ）伝送においてデータを搬送するデータグラムペイロードを含んでいる。

更に別の実施例においては、一般的なレイアウトは、１つ又は複数の追加ヘッダフィールドを有している。更なる実施例においては、一般的なレイアウトは、ＴＣＰヘッダに準拠している。

別の実施例においては、インテリジェントデータキャリアは、レーダーコネクタを有しており、レーダーコネクタは、ネットワークをインターフェイスしており、ネットワーク接続を監視及び制御するべく適合されている。更に別の実施例においては、ネットワークサーバーは、ネットワーク接続を監視及び制御するべく適合されたレーダーコネクタを更に有している。ネットワークサーバーのレーダーコネクタは、ネットワーク上においてインテリジェントデータキャリアのレーダーコネクタと接続されている。更なる実施例においては、レーダーコネクタは、ネットワークサーバーに対する消失した接続を検出し、これに対するコンタクトを初期化することにより、接続を再確立するべく更に適合されている。

更に別の実施例によれば、安全なネットワーク接続システムは、既存のネットワークをネットワークサーバーに接続し、既存のネットワークとインテリジェントデータキャリア間において、ネットワークサーバーを介してデータを伝送するべく適合されたインジェクタを更に有し、この既存のネットワークは、有線又は無線である。更に別の実施例においては、インジェクタは、ネットワークとインターフェイスすると共にネットワークを監視及び制御するべく適合されたレーダーコネクタを更に有している。

本開示によれば、別の実施例においては、クライアントサーバー通信システムが提供され、これは、少なくとも１つのサーバーと１つのクライアントを有している。サーバーは、多数のネットワークアプリケーションのデータグラムの動的な割り当てとスワッピングのための動的なデータグラムスイッチを有している。クライアントは、ホストコンピュータ装置に接続し、これにより、その入出力装置を介して、ネットワーク上においてデータを伝送する能力を有するインテリジェントデータキャリアである。インテリジェントデータキャリアは、サーバーとクライアント間における安全なデータ伝送用の認証及び暗号化体系を通じてネットワークユーザーアイデンティティを確立するべく適合されている。

別の実施例によれば、クライアントサーバー通信システムは、既存のネットワークをサーバーに接続し、既存のネットワークとクライアント間において、サーバーを介してデータを伝送するべく適合されたインジェクタを更に有している。この既存のネットワークは、有線又は無線ネットワークである。

更に別の実施例によれば、サーバー、クライアント、及びインジェクトのそれぞれは、レーダーコネクタを有している。レーダーコネクタは、ネットワークとインターフェイスし、ネットワーク接続を監視及び制御するべく適合されている。クライアントのレーダーコネクタは、ネットワーク上においてサーバーのレーダーコネクタと接続され、インジェクタのレーダーコネクタは、ネットワーク上においてサーバーのレーダーコネクタと接続されている。

更なる実施例によれば、クライアント／サーバー通信システム内のサーバーは、クライアントの専用データストレージ用の暗号化仮想ファイルシステムを更に有している。

本開示によれば、更に別の実施例においては、少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）メモリ内に保存されたデータを処理するべく適合された１つのプロセッサを有するインテリジェントデータキャリアが提供される。このインテリジェントデータキャリアは、ネットワーク上においてホストコンピュータ装置に接続し、これにより、その入出力装置を介して、ネットワーク上においてデータを伝送する能力を有している。データ伝送は、動的にスイッチングされたデータグラムを通じたものになっている。インテリジェントデータキャリアは、安全なネットワークデータ伝送用の認証及び暗号化体系を通じてネットワークユーザーアイデンティティを確立するべく適合されている。

本発明によれば、更に別の実施例においては、安全なネットワーク通信の方法が提供される。この方法は、ネットワークユーザーにインテリジェントデータキャリアを発行する段階（このインテリジェントデータキャリアは、ネットワーク上においてホストコンピュータ装置に接続し、これにより、そのＩＯ装置を介して、ネットワーク上においてデータを伝送し、認証及び暗号化体系を通じてネットワークユーザーのネットワークアイデンティティを確立する能力を有している）と、多数のアプリケーションをサポートするデータグラムの動的な割り当てとスワッピングのための動的なデータグラムスイッチをネットワーク上のサーバー内に提供する段階と、を有している。様々な実施例においては、この方法は、データベクトルオブジェクトとの関係で、認証、暗号化、及びランダム化を実行する。特定の実施例においては、スーパークラシファイアは、特に物理的及び行動バイオメトリック計測と共に使用される。

本開示によれば、更なる実施例において、ユーザーに対して１つ又は複数のアプリケーションをターゲット供給する方法が提供される。この方法は、ネットワークサーバーが位置しているネットワークに接続されたホストコンピュータ装置にドッキングし、ネットワーク上においてネットワークサーバーと通信するべく適合されたインテリジェントデータキャリアをユーザーに対して発行する段階（このネットワークサーバーは、動的にスイッチングされたデータグラムを通じてインテリジェントデータキャリアと通信する）と、サーバーが、認証及び暗号化体系を通じてユーザーを認証する段階と、認証に成功した際に、１つ又は複数のアプリケーションに対するアクセスをユーザーに対して認可する段階と、を有している。

別の実施例によれば、１つ又は複数のアプリケーションは、インテリジェントデータキャリア上に事前に読み込まれるか、或いは、ネットワークサーバー又はホストコンピュータ装置上にインストールされる。更に別の実施例においては、ホストコンピュータ装置は、有線又は無線手段を介してネットワークに接続される。ホストコンピュータ装置は、デスクトップ又はラップトップコンピュータ、ＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、携帯電話機、デジタルＴＶ、オーディオ又はビデオプレーヤー、コンピュータゲームコンソール、デジタルカメラ、カメラ電話機、及びネットワークに対応した家庭用電化製品であってよい。

更なる実施例によれば、１つ又は複数のアプリケーションは、ウィンドウに基づいたリモート端末サーバーアプリケーション、メインフレーム用の３２７０／５２５０端末エミュレーション上のアプリケーション、直接的に組み込まれたアプリケーション、及びマルチメディアアプリケーションであってよい。直接的に組み込まれたアプリケーションは、データベースアプリケーション、データ分析ツール、ＣＲＭ（ＣｕｓｔｏｍｅｒＲｅｌａｔｉｏｎＭａｎａｇｅｍｅｎｔ）ツール、及びＥＲＰ（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅＰｌａｎｎｉｎｇ）パッケージの少なくとも１つを有している。

（関連用語の簡単な説明）
ネットワーク、クライアント、サーバー、データ、データベクトルオブジェクト（これは、データオブジェクトベクトル、オブジェクトベクトルとも呼ばれる）、クラシファイア、意思決定、決定論的分析、オブジェクトベースの決定論的分析（これは、オブジェクト分析とも呼ばれる）、ランダム数、ランダム数生成器、シード、ランダム化、確率、確率密度関数、認証、秘密鍵、公開鍵、ＥＥＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｇｒａｐｈｙ）、ＥＣＣ署名、パーサー、パケット、ヘッダ、ＴＣＰ、ＵＤＰ、ファイアウォール、ＵＳＢ（ＵｎｉｖｅｒｓａｌＳｅｒｉａｌＢｕｓ）、ＡＳＢ（ＡｐｐｌｅＳｅｒｉａｌＢｕｓ）、シリアルポート、パラレルポート、トークン、ファイヤワイヤという用語、並びに、本開示におけるその他の関連用語は、関連する技術分野（即ち、数学、コンピュータサイエンス、情報技術（ＩＴ）、物理、統計、人工知能、デジタルネットワーク、ネットワーク通信、インターネット技術、暗号、暗号化及び復号化、圧縮及び圧縮解除、分類理論、予測モデル化、意思決定、音声認識、及びバイオメトリックス）において確立されているそれぞれの代表的な意味に従って理解する必要がある。

ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）、ＡＥＳ（ＡｄｖａｎｃｅＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）、ＰＫＩ（ＰｕｂｌｉｃＫｅｙＩｎｆｒａｓｔｒｕｃｔｕｒｅ）、ＥＶＦＳ（ＥｎｃｒｙｐｔｅｄＶｉｒｔｕａｌＦｉｌｅＳｙｓｔｅｍｓ）、ＶＰＮ（ＶｉｒｔｕａｌＰｒｉｖａｔｅＮｅｔｗｏｒｋ）、ＩＤＳ（ＩｎｔｒｕｓｉｏｎＤｅｔｅｃｔｉｏｎＳｙｓｔｅｍ）、ＤＭＺ（ＤｅｍｉｌｉｔａｒｉｚｅｄＺｏｎｅ）、ＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、ＵＳＢキー、ＵＳＢトークン、ＵＳＢドングル、パラレルポートドングル、シリアルポートドングル、ファイヤワイヤ装置、トークン装置、スマートカード、スマートメディア、コンパクトフラッシュ（登録商標）、スマートデジタルメディア、ＤＶＤ、コンパクトディスク、ＭＰＬＳ（ＭｕｌｔｉｐｒｏｔｏｃｏｌＬａｂｅｌＳｗｉｔｃｈｉｎｇＳｔａｎｄａｒｄ）、ＬＤＡＰ（ＬｉｇｈｔｗｅｉｇｈｔＤｉｒｅｃｏｒｙＡｃｃｅｓｓＰｒｏｔｏｃｏｌ）、ＥＤＩ（ＥｌｅｃｔｒｏｎｉｃＤａｔａＥｘｃｈａｎｇｅ）、ＩＲＣ（ＩｎｔｅｒｎｅｔＲｅｌａｙＣｈａｔ）、ＣＲＣ（ＣｙｃｌｉｃＲｅｄｕｎｄａｎｃｙＣｈｅｃｋｓｕｍ）、ＴＩＤ（ＴｅｒｍｉｎａｌＩｄｅｎｔｉｆｉｅｒ）という用語、並びに、本開示におけるその他の関連する用語は、ＩＴ産業、電子及びオンラインコマース、並びに、特にネットワークセキュリティ及び関連分野において確立されているそれぞれの代表的な意味に従って理解する必要がある。

本明細書において使用されているネットワークとは、デジタル及び／又はアナログデータを遠距離にわたって伝送するのに適した媒体（例えば、光ファイバケーブル）を介して相互接続されたネットワーク対応の装置の群を意味している。ネットワークは、インターネットのようなオープンなネットワークであってもよく、或いは、企業イントラネットシステムのような閉じたネットワークであってもよい。ネットワーク対応装置（これは、ネットワーク接続装置、接続装置、又は装置とも呼ぶ）は、コンピュータ、デジタル携帯電話機、ＰＤＡ、デジタルカメラ、デジタルオーディオ／ビデオコミュニケータ、又は、有線又は無線手段を介してネットワークに接続可能なその他の任意の装置であってよい。ネットワーク接続装置は、本開示においてクライアント又はサーバーと呼ばれているものであってよい。一実施例においては、接続装置は、インテリジェントデータキャリアなどのモバイルクライアント用のホストコンピュータを意味している場合もある。インテリジェントデータキャリアとしてのクライアントに関する以下の説明を参照されたい。特定の実施例においては、ネットワークは、このような１つ又は複数のクライアントと、このような１つ又は複数のサーバーを含むことができる。又、その他の実施例においては、ネットワークは、本開示の詳細な説明において以下に説明されている１つ又は複数のインジェクタをも含んでいる。

本明細書において使用されているＶＰＮ（ＶｉｒｔｕａｌＰｒｉｖａｔｅＮｅｔｗｏｒｋ）は、インターネットなどの公的なネットワークインフラストラクチャを共有しつつ、セキュリティ手順とトンネリングを適用することにより、ネットワークトランザクションにおけるプライバシーを提供する。トンネリングとは、保護対象のデータ（例えば、ビジネスにとってプロプライエタリなものや個人にとってプライベートなものなど）の公的なネットワークを通じた伝送を意味している。公的なネットワーク内のルーティングノードは、その伝送が、プライベートネットワークの一部であることを認知していない。トンネリングは、プライベートネットワークのプロトコル情報が、公的なネットワークからデータとして見えるように、通常、公的なネットワークの伝送単位によってプライベートネットワークのデータ及びプロトコル情報をカプセル化することによって実現される。トンネリングにより、プライベートネットワークの代わりに、インターネットを使用してデータを伝送可能である。多数のトンネリングプロトコルが既に開発されており、このいくつかの例が、Ｍｉｃｒｏｓｏｆｔ社及び複数のその他の会社によって開発されたＰＰＴＰ（Ｐｏｉｎｔ−ｔｏ−ＰｏｉｎｔＴｕｎｎｎｅｌｉｎｇＰｒｏｔｏｃｏｌ）、ＣｉｓｃｏＳｙｓｔｅｍｓ社によって開発されたＧＲＥ（ＧｅｎｅｒｉｃＲｏｕｔｉｎｇＥｎｃａｐｓｕｌａｔｉｏｎ）、及びＬ２ＴＰ（ＬａｙｅｒＴｗｏＴｕｎｎｅｌｉｎｇＰｒｏｔｏｃｏｌ）である。尚、トンネリング及びＶＰＮの使用は、安全なデータ伝送の確保のための暗号化に置き換わるものではない。暗号化は、ＶＰＮと関連して、その内部において使用可能である。

本開示において使用されているバイオメトリックスとは、ユーザーを認証し、保護された組織のネットワークや保護された情報ソースに対するアクセスを認可又は拒絶するべく、ユーザーアイデンティティを確立するために使用される（物理的又は行動上の）個人の特徴を意味している。物理的なバイオメトリックスは、例えば、音声認識（即ち、発話者の検証）、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識を有している。行動バイオメトリックスは、個人の行動の癖やパターンを有している。

本明細書において使用されるデータとは、ネットワーク上において伝送可能なあらゆる情報を意味している。様々な実施例において、データは、デジタル情報又は情報という用語と相互交換可能に使用されている。コンテンツデータとは、ネットワーク上で伝送するべくユーザーによって指定されたデータを意味している。例えば、金融機関や銀行においては、顧客口座情報は、様々な認可されたアカウントマネージャやシステム管理者によって使用又は操作される１つ又は複数のクライアント及びサーバー間で伝送可能な１つのタイプのコンテンツデータを構成している。口座支払情報は、ＥＤＩトランザクションの環境においては、１つのタイプのコンテンツデータであろう。様々な種類のコンテンツデータの更なる例は、製造施設における未加工の材料と完成した製品に関する在庫情報であり、このデータは、製造技術者や事業計画要員がアクセスできるように、しばしば、これらの施設内のクライアントとサーバー間において伝送される。オーディオ、ビデオファイルなどのマルチメディアデータも、コンテンツデータの更なる別の形態を表している。トランザクションデータ（これは、接続データとも呼ばれる）は、本開示においては、クライアントとサーバー間のネットワーク接続と、これらの間のデータ伝送の状態を示す情報を意味している。これは、例えば、ユーザー認証の状態と認証の方法に関する情報を含んでいる。

本明細書においてデータ圧縮及び暗号化と呼んでいるものは、代表的な産業基準に従って実装可能である。圧縮／圧縮解除及び暗号化／復号化の様々な仕様とアルゴリズムが当技術分野において周知であり、多数の関係する製品が公的に又は商業的に提供されており、それらは、本開示の様々な実施例による方法及びシステム内において利用可能である。

本明細書において使用されているユーザーインターフェイスとは、ユーザーとのやり取りを実現するあらゆる種類のコンピュータアプリケーション又はプログラムを意味している。ユーザーインターフェイスは、ブラウザなどのＧＵＩ（ＧｒａｐｈｉｃａｌＵｓｅｒＩｎｔｅｒｆａｃｅ）であってよい。このようなブラウザの例は、ＭｉｃｒｏｓｏｆｔＩｎｔｅｒｎｅｔＥｘｐｌｏｒｅｒ（商標）とＮｅｔｓｃａｐｅＮａｖｉｇａｔｏｒ（商標）を含んでいる。又、ユーザーインターフェイスは、別の実施例においては、単純なコマンドラインインターフェイスであってもよい。又、ユーザーインターフェイスには、既存のアプリケーションを拡張し、ＭｉｃｒｏｓｏｆｔＯｆｆｉｃｅやＥＲＰシステムなどの標準的なデスクトップアプリケーションとのやり取りをサポートするプラグインツールを含むことも可能である。更には、特定の実施例においては、ユーザーインターフェイスは、特に、キーパッド、ＰＤＡ、マイクロフォン、又は任意のタイプのバイオメトリック入力ユニットなどの任意の情報入力ポイントを意味することも可能である。

本明細書において使用されているレーダーコネクタとは、ネットワーク接続を監視及び制御するべく適合されたモジュールを意味している。これは、様々な実施例によれば、クライアント、サーバー、又はインジェクタ内に含まれるか、又はこれらに接続可能である。特定の実施例におけるクライアントのレーダーコネクタは、サーバーに対する消失した接続を検出し、これに対するコンタクトを初期化し、これにより、接続を再確立するべく更に適合されている。これは、まず、ポートに対する接続をチェックし、その後、ネットワーク接続を継続的に監視して、接続の消失が検出された際に、サーバーを呼び出して接続を再確立するべく試みる。サーバー側においては、レーダーコネクタを常に動作状態に維持し、様々なクライアントとの接続の状態を監視可能である。

本開示において使用されている広範なコンピューティングとは、人々の事業及び家庭内の問題に関するネットワークコンピュータ又はその他のデジタル装置の増大し且つ拡散した使用法を意味している。デジタル及びウェブ対応電子装置及び家庭電化製品（例えば、携帯電話機、デジタルＴＶ、ＰＤＡ、ＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）、カメラ電話機、ネットワーク接続された電子レンジ、冷蔵庫、洗濯機、乾燥機、及び皿洗い機など）の急速な成長とブロードバンドインターネット接続の普及が、広範なコンピューティングの時代を特徴付けている。

様々な実施例において使用されている広範なセキュリティとは、１つ又は複数のホスト又は接続装置を使用し、オンデマンドでセキュリティを供給するネットワークセキュリティプラットフォームを意味している。本開示によるユーザー中心のセキュリティは、システムが、ネットワークサーバーに接続するべくユーザーが使用している１つ又は複数のコンピュータホスト装置の代わりに、１人又は複数のユーザーを保護することを意味している。一実施例においては、任意のネットワーク装置を使用することにより、本開示のシステム及び方法を使用して、いつでも、どこにおいも、広範なユーザー中心のセキュリティを確立可能である。

データグラムは、「発信元及び宛先コンピュータ及び搬送ネットワーク間における事前の交換に依存することなしに、発信元から宛先コンピュータにルーティングされる十分な情報を搬送する自己完結型の独立したデータエンティティ」として定義される。「Ｗｈａｔｉｓ．ｃｏｍ」（ＱＵＥ、２００１年１１月）の「ＥｎｃｙｃｌｏｐｉｄｅｉａｏｆＴｅｃｈｎｏｌｏｇｙＴｅｒｍｓ」を参照されたい。データグラムとパケットは、相互交換可能に使用可能である。

「インテリジェントデータキャリア（ＩｎｔｅｌｌｉｇｅｎｔＤａｔａＣａｒｒｉｅｒ：ＩＤＣ）」という用語は、本開示の様々な実施例において、「クライアント」という用語と相互交換可能に使用されている。インテリジェントデータキャリアは、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）メモリに保存されているデータを処理するべく適合された１つのプロセッサを少なくとも有している。インテリジェントデータキャリアは、ホストコンピュータ装置に接続し、これにより、そのＩＯ装置を介して、ネットワーク上においてデータを伝送する能力を有している。又、これは、本開示の特定の実施例によれば、認証及び暗号化体系を通じてネットワークユーザーのネットワークアイデンティティを確立するべく更に適合されている。一実施例においては、インテリジェントデータキャリアは、移動可能である。インテリジェントデータキャリアは、ＵＳＢキー、ファイヤワイヤ装置、スマートカード、コンパクトディスク、ＤＶＤ、スマートメディア、コンパクトフラッシュ（登録商標）、ＰＤＡ、スマートデジタルメディア、又はトークン装置によって（或いは、その上において）実装可能である。トークン装置は、シリアルポートドングルやパラレルポートドングルなどのソフトウェアドングル、任意の１回限りパスワード生成装置、又はシステムアクセス装置などであってよい。その他のデジタルメディア読取装置も、本開示によるインテリジェントデータキャリアとして実装可能である。これらは、様々なポート又はドライブを通じて、異なる方式で様々なホストコンピュータ装置に接続する能力を有している。インテリジェントデータキャリアは、サーバーによるユーザーの適切な認証が完了し後に、ユーザーに代わって、安全なネットワーク接続を確立し、オンデマンドでアプリケーションを起動するためのすべてのデータと機能を有している。インテリジェントデータキャリアとしてのクライアントに関する以下の詳細な説明を参照されたい。

クライアント／サーバー／インジェクタ通信システム
本開示の一実施例においては、１つ又は複数のクライアントと１つ又は複数のサーバーを含むクライアント／サーバー通信システムが提供される。それぞれのクライアントは、ネットワークサーバーに対する安全な接続のための認証及び暗号化体系をサポートする能力を有するインテリジェントデータキャリアである。インテリジェントデータキャリアとしてのクライアントに関する以下の説明を参照されたい。このシステムは、インテリジェントデータキャリアを直接通じてそれぞれのユーザーを認証及び保護し、ユーザー中心のセキュリティを実現する。どのような種類の接続装置やローカルホストコンピュータを使用した場合にも、ユーザーは、インテリジェントデータキャリアをホストにドッキングし、認証セッションを起動して、ターゲットサーバーに接続することができる。従って、アクセス保護の焦点は、接続装置やローカルホストマシン上にではなく、直接、インテリジェントデータキャリアの発行先である個々のユーザー上に位置している。インテリジェントデータキャリアは、移動可能であってよく、このようなモビリティにより、このシステムが提供可能なセキュリティソリューションの対象範囲が拡大する。これは、任意の接続装置やローカルホストマシンを使用するオンデマンドのセキュリティである。

別の実施例においては、クライアント／サーバー通信システムにインジェクタが含まれている。このクライアント／サーバー／インジェクタシステムは、既存のネットワークインフラストラクチャとの簡便な統合を実現し、データ伝送とアプリケーション共有の全体的なセキュリティを促進する。サーバー及びクライアントと接続するインジェクタに関する以下の詳細な説明を参照されたい。このようなネットワーク通信システム内に、１つ又は複数のクライアント、１つ又は複数のサーバー、及び１つ又は複数のインジェクタを実装可能である。それぞれのインジェクタは、１つ又は複数のサーバーにリンクし、これと通信する。それぞれのサーバーは、１つ又は複数のクライアントに接続し、これらに対してサービスを行う。このシステム内の複数のサーバーは、ネットワーク全体のデータフローを管理する際に相互通信可能である。

図１は、一実施例によるインジェクタ１０５、クライアント１０３、及び１対のピアサーバー１０１間における接続を概略的に示している。それぞれのサーバー、クライアント、及びインジェクタは、ネットワークとインターフェイスしているレーダーコネクタ１０７を具備している。このレーダーコネクタ１０７は、常に、ネットワーク接続の状態を監視している。接続の消失を検出したら、クライアント側のレーダーコネクタ１０７は、サーバーを呼び出すことにより、接続を再確立する１回又は複数回の試みを実行する。クライアントは、最新の１つ又は複数の接続の接続状態のパラメータを記録（即ち、記憶）しているため、消失した接続を望ましい精度で迅速に回復可能である。従って、データ伝送の完全性を保護し、障害率を低減することができる。

図１に示されているクライアント１０３、インジェクタ１０５、及び２つのピアサーバー１０１間においては、レーダーコネクタ１０７に加え、特定のその他のモジュール及びプロセスが共通している。許可マネージャ１０９は、ユーザー許可の割り当てと管理を行う。サービスファシリテータ１１１は、要求に応じて、特定のアプリケーションやサービスがユーザーに対して提供されるようにする。図１に示されているように、それぞれのクライアント１０３、サーバー１０１、及びインジェクタ１０５内には、データグラムパーサーエンジン１１３が含まれている。このパーサーエンジン１１３は、パーサーとシステムの動的なデータグラムスイッチから構成可能である。図７及び図８を参照すれば、動的なデータグラムスイッチ７０１、８０１およびフレームパーサー７０３、８０３が、それぞれ、サーバー１０１とインジェクタ１０５に含まれている。相応して、サービスパーサー６０１及びサービスフレーム６０３が、図６に示されているように、クライアント１０３に含まれている。データグラムスイッチ７０１、８０１は、クライアント側とサーバー側の両方におけるレーダーコネクタ１０７と協働し、データグラム伝送の複数のインスタンスを処理する。動的なデータグラムスイッチ７０１、８０１に関する詳細な説明については、後述する。暗号化エンジン１１５は、ネットワーク上におけるデータ伝送の暗号化と復号化を処理する。クライアント１０３、サーバー１０１、及びインジェクタ１０５の各システムにおいては、ネットワークとインターフェイスしているレーダーコネクタ１０７の１レベルだけ後ろに、暗号化エンジン１１５が位置している。サーバー１０１とインジェクタ１０５の両方に実装されている解析エンジン１１３とサービスファシリテータ１１１により、システム全体として、複数のネットワークサービス及びアプリケーションと、様々なタイプのデータの伝送をサポート可能である。これら及びその他のモジュール及びプロセスに関する更なる詳細については、クライアント１０３、サーバー１０１、及びインジェクタ１０５に関する以下の別個の節において説明する。

インテリジェントデータキャリアとしてのクライアント
クライアントとは、有線又は無線により、ネットワークを通じてサーバーコンピュータ又は装置に接続する能力を有するコンピュータ又は装置である。又、クライアントは、サーバーを呼び出して、これに接続するコンピュータソフトウェア又はファームウェアを意味する場合もある。クライアントは、一実施例によれば、インテリジェントデータキャリア（ＩｎｔｅｌｌｉｇｅｎｔＤａｔａＣａｒｒｉｅｒ：ＩＤＣ）である。クライアント又はＩＤＣは、ネットワークにリンクされたホストコンピュータ装置上においてソフトウェア、ファームウェア、又はフラッシュメモリを実行することによって実装可能である。一実施例においては、ユーザーインターフェイスがホストコンピュータ装置又はＩＤＣによって提供されており、このインターフェイスにより、ユーザーは、ＩＤＣを通じたネットワークサーバーへの接続が完了した後に、ネットワークトランザクションを監視し、データ伝送を制御可能である。例えば、ユーザーインターフェイスは、ユーザーがネットワークにログオンするためのログインフォームを提供可能である。このフォームは、テキスト、オブジェクト、又はグラフィックという異なるフォーマットで入力を受け付けることができる。又、このユーザーインターフェイスにより、ユーザーは、ネットワークトランザクション及びデータ伝送を制御する命令を発行することも可能である。

本開示の一実施例によれば、インテリジェントデータキャリアは、移動可能であってよい。様々な実施例においては、インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、シリアルポートドングルやパラレルポートドングルなどのトークン装置、或いは、その他のデジタル／アナログ装置又はメディアリーダーによって（又は、この上において）実装可能である。

一実施例によれば、インテリジェントデータキャリアは、デジタル情報を保存するべく適合されたメモリ、デジタル情報を入出力するべく適合された入出力（ＩＯ）装置、及びメモリ内に保存されたデジタルデータを処理するべく適合されたプロセッサという３つの基本コンポーネントを具備している。ＩＤＣは、ネットワーク内に位置するコンピュータホスト装置に接続し、これにより、そのＩＯ装置を介して、ネットワーク上においてデータを伝送する能力を有している。

ＩＤＣのメモリは、ＣＤ、フロッピー（登録商標）ディスク、ＤＶＤ、ＥＰＲＯＭ（ＥｒａｓａｂｌｅＰｒｏｇｒａｍｍａｂｌｅＲｅａｄ−ＯｎｌｙＭｅｍｏｒｙ）、及びフラッシュメモリ（例えば、コンパクトフラッシュ（登録商標）、スマートメディア、及びＵＳＢキー）などの任意のコンピュータ可読媒体の形態であってよい。

ＩＤＣのＩＯ装置は、例えば、マウスポート、キーボードポート、シリアルポート（ＵＳＢポート又はＡＳＢポート）、パラレルポート、赤外線ポート、及びファイヤワイヤ接続（ＩＥＥＥ１３９４）を含む任意の種類のＩＯ接続又はポートを介してホストコンピュータ装置に接続する能力を有している。様々な実施例によれば、ＩＯ接続は、有線又は無線であってよい。例えば、一実施例においては、ブルートゥース仕様に従って、ＩＤＣとホスト装置間に近距離無線接続を確立することができる。ｗｗｗ．ｂｌｕｅｔｏｏｔｈ（登録商標）．ｏｒｇを参照されたい。その他の実施例においては、８０２．１１ｂ−ｇ及び赤外線通信が使用されている。ＩＯ装置は、更なる実施例においては、音声又は画像データを送受信するべく適合されたトランシーバを含んでいる。従って、このＩＤＣは、ＶｏＩＰアプリケーションをサポートしている。

ＩＤＣのプロセッサは、一実施例においては、集積回路（ＩＣ）を有している。別の実施例においては、ＩＣは、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ−ＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ）である。ＩＣは、ＩＤＣ上に事前に読み込まれたアプリケーションと、ホストコンピュータ装置上にインストールされたアプリケーション、又はリモートサーバーから提供されるものの実行をサポートしている。別の実施例においては、ＩＤＣのプロセッサは、それ自体ではＩＣを含んでおらず、ホストコンピュータ装置のＩＣに依存しており、ＩＤＣのメモリ内に保存されている情報と、ホストコンピュータ装置上にインストールされたアプリケーションからＩＤＣのメモリ上に読み込まれた情報を処理するべく適合されている。アプリケーション供給に関する以下の詳細な説明を参照されたい。

本開示によるインテリジェントデータキャリアは、認証及び暗号化体系を通じてユーザーのネットワークアイデンティティを確立するベく適合されている。インテリジェントデータキャリアは、サーバーを検出し、認証プロセスを起動することにより、自分自身をサーバーに対して提示する。認証及び暗号化に関する以下の説明を参照されたい。本開示の安全なネットワークシステム内においては、ユーザーがネットワークサーバーに接続し、そのデータ及びアプリケーションにアクセスできるようにするＩＤＣを、それぞれのユーザーに対して発行可能である。ユーザーは、ＩＤＣを使用することにより、その意思と必要性に基づいて、サーバーに対して、接続、切断、再接続することができる。一実施例によれば、接続は、任意のネットワークホスト装置から、いつでも実行可能である。ホストコンピュータ装置は、デスクトップ又はラップトップコンピュータ、ＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、携帯電話機、デジタルＴＶ、オーディオ又はビデオプレーヤー、コンピュータゲームコンソール、デジタルカメラ、カメラ電話機、及びネットワーク接続された冷蔵庫、電子レンジ、洗濯機、乾燥機、及び皿洗い機などのネットワーク対応の家庭電化製品であってよい。特定の実施例においては、ＩＤＣは、ホスト装置内に直接組み込み可能であり、これにより、ネットワーク上における安全なデータ交換又はアプリケーション共有を提供する。このネットワークアクセスは、それぞれのユーザーごとに、秘密に維持され、安全である。「暗号化仮想ファイルシステム」に関する以下の説明を参照されたい。従って、ＩＤＣは、大きなモビリティと改善されたユーザー中心のセキュリティをネットワーク通信に対して提供可能である。

ＩＤＣを通じて、意図するユーザーに対して、安全且つ制御された方式で、アプリケーションを供給可能である。一実施例においては、認可されたユーザー（サーバーに登録されている者）に対して発行されたＩＤＣに、特定のライセンスされたアプリケーションを事前に読み込むことができる。ユーザーは、サーバーによって適切に認証された際に、ＩＤＣがドッキングしているローカルホストとは無関係に、ＩＤＣからアプリケーションを実行可能である。即ち、例えば、ユーザーは、ある場所において、ＵＳＢキーのＩＤＣをコンピュータ（これは、インターネットに接続されている）に挿入し、サーバー（これもインターネット上に存在している）への接続に成功すれば、ＵＳＢキーのＩＤＣからアプリケーションを起動可能である。ユーザーは、アプリケーションを閉じ、ファイルをサーバー又はＵＳＢキーのＩＤＣ上に保存可能である。これらのファイルは、ネットワークサーバーに接続されたＥＶＦＳ（ＥｎｃｒｙｐｔｅｄＶｉｒｔｕａｌＦｉｌｅＳｙｓｔｅｍ）内に保存される。ＥＶＦＳに関する以下の説明を参照されたい。そして、別の場所においては、ユーザーは、異なるコンピュータホスト装置を使用することにより、（サーバーによって適切に認証された際に）ＵＳＢキーのＩＤＣからアプリケーションを起動し、同一のファイルに関する作業を継続することができる。従って、ＩＤＣとネットワークサーバー間におけるこのような安全であって、移動可能であり、且つ、ユーザー中心の接続により、データアクセスのみならず、アプリケーション供給をも管理及び制御するパラダイムが提供される。

一実施例によれば、インテリジェントデータキャリアを使用し、スタンドアロンアプリケーション又はオペレーティングシステムを供給可能である。読取専用であってコピープロテクトされたアプリケーション及び／又はオペレーティングシステムを有するＩＤＣをユーザーに発行可能である。ユーザーは、このＩＤＣを使用し、オペレーティングシステム又はストレージ装置がインストールされていないホストシステムをブートし、サーバーに基づいたアプリケーション又はＩＤＣ上に事前に読み込まれているアプリケーションにアクセスすることができる。

別の実施例によれば、インテリジェントデータキャリアを使用し、アプリケーション及びメディアコンテンツを供給可能である。例えば、コピープロテクトされ読取専用であるアプリケーションと、アプリケーションの初期イストールを可能にする一意のシリアル番号を含むＩＤＣをユーザーに提供可能である。インストールが完了したら、ＩＤＣは、システム名、ＭＡＣ番号、プロセッサシリアル番号、又はコピー防止コードを生成するためのその他の静的なシステムに基づいた情報を要求可能であり、次いで、これは、ユーザーから隠蔽された暗号化コードの形態でＩＤＣ上に保存される。このコードにより、アプリケーションがオリジナルのホスト装置上にのみインストールされることを保証可能である。

更に別の実施例によれば、インテリジェントデータキャリアは、メディア固有の配布のために使用される。ＤＶＤ、ＣＤ、又はＭＰ３データファイルなどの特定のデジタルメディアソースに対するアクセスを認可する１つ又は複数の特定のデコーダと協働するＩＤＣをそれぞれのユーザーに発行可能である。サーバーは、このＩＤＣを通じて特定のデータファイルのアクセス及び使用法を追跡することができる。

従って、本開示によるアプリケーション供給パラダイムは、例えば、専用のデータベースアプリケーション、データ分析ツール、様々なＣＲＭ（ＣｕｓｔｏｍｅｒＲｅｌａｔｉｏｎＭａｎａｇｅｍｅｎｔ）、及びＥＲＰ（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅＰｌａｎｎｉｎｇ）パッケージを含むプロプライエタリなデータコンテンツと商用のソフトウェアパッケージ及びＩＴツールに特に有用である。厳格な認証及び暗号化及び中央集中されたデータ及びファイルの管理と、制御され且つ狙いを絞った供給の組み合わせにより、このパラダイムは、企業ライセンスやフローティングライセンスなどの既存のソフトウェアライセンス体系の実際的なライバルとなる。この能力により、ＩＤＣは、プロプライエタリなデータ、アプリケーション、及びサービス用のＤＲＭ（ＤｉｇｉｔａｌＲｉｇｈｔｓＭａｎａｇｅｍｅｎｔ）を実現する。

図５を参照すれば、本開示の一実施例によれば、インテリジェントデータキャリアは、いくつかのモジュール及びプロセスを実装している。例えば、アプリケーションブートローダー５０１によれば、ＳＩ（ＳｙｓｔｅｍＩｎｔｅｇｒａｔｏｒ）及びＯＥＭ（ＯｒｉｇｉｎａｌＥｑｕｉｐｍｅｎｔＭａｎｕｆａｃｔｕｒｅｒ）が、ＩＤＣ上に保存されたアプリケーション又はホストコンピュータ装置上にインストールされたアプリケーションに対するカスタムブート呼び出しを生成可能である。このアプリケーションブートローダー５０１は、この実施例によれば、ＩＤＣのプロセッサの一部である。これは、例えば、ｃｏｎｆｉｇファイル、ＳＹＳファイル、又は実行可能ファイルを呼び出してアプリケーションをブートすることができる。

一実施例によれば、ＩＤＣのメモリは、（例えば、ＳＩ又はＯＥＭが）ユーザーデータストレージ５０３、アプリケーションデータストレージ５０５、及び管理ｃｏｎｆｉｇパーティション５０７にパーティション化することができる。ユーザーデータストレージ５０３は、読み取り及び書き込み可能である。アプリケーションデータストレージ５０５は、読取専用である。管理ｃｏｎｆｉｇパーティション５０７は、読取専用であってコピープロテクトされている。パーティション情報は、ユーザーの視線に晒されたりユーザーが直接アクセスしたりできないような方式でＩＤＣ上に保存されている。

又、例えば、ユーザー認証用のオンデバイス認証クライアントモジュール５０９、ネットワーク接続の監視及び制御用のレーダーコネクタ５１１、及び暗号化モジュール５１３を含む更なるモジュールも含まれている。認証クライアント５０９は、例えば、オブジェクトメソッド５０１、パスワードシステム５１７、及びその他の権限ポリシー５１９を含む様々なユーザー認証手段を採用可能である。認証及び暗号化に関する詳細な説明については、以下に記述する。

図６は、本開示の一実施例によるクライアントの別の図を示している。関連するプロセスと共に、様々なモジュール及びコンポーネントも示されている。例えば、サーバーとの接続に応じて、クライアントは、メッセージング６０５、ストリーミング６０７、及びその他のカスタム通信６０９を含む様々なタイプの伝送をサポートしている。一実施例においては、ネットワークサーバー内のデータグラムスイッチのもの（７０１、７０３）と対応するデータグラムパーサー（サービスパーサー６０１）が採用されている。動的なデータグラムスイッチを有するサーバーに関する以下の説明を参照されたい。クライアント内においては、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）６１１及び暗号化６１３が実装されている。認証及び暗号化に関する以下の説明を参照されたい。認証及び暗号化体系に関連して、ランダム化が利用されている。データオブジェクトの生成及び分析におけるランダム化に関する以下の説明を参照されたい。更には、クライアントの一部として、クライアントをサーバーにリンクするレーダーコネクタ６１５が含まれている。このレーダーコネクタ６１５は、クライアントとサーバー間における接続を監視している。この接続は、インターネットなどの公的なネットワークを通じたものであってよい。これは、プライベートな企業ネットワーク（特に、分散コンピューティングを伴うもの）内においても確立可能である。

動的なデータグラムスイッチを有するサーバー
サーバーは、クライアントに接続し、クライアントを認証し、データ及びアプリケーションのアクセスをクライアントに対して提供する能力を有するオープンなネットワーク（例えば、インターネット）又は閉じたネットワーク（例えば、組織内の環境）上に位置するコンピュータ又はデジタル装置であってよい。ネットワークは、有線であってもよく、或いは、部分的に又はそのすべてが無線であってもよい。サーバーは、システム内の様々なクライアント又はユーザーの許可又は権限を定める。許可は、物理的なユーザーアイデンティティ（例えば、バイオメトリックス計測によるもの）及び地理的な場所（例えば、ローカルホスト名、ローカル時間、又はその他の検出可能なパラメータ）に基づいて、編集及び発行可能である。クライアントの認証が成功したら、サーバーは、クライアントからの接続を受け入れ、ユーザーが所有している（又は、ユーザーのアクセスが認可されている）データ又はアプリケーションに対するアクセスを許容する。データファイルは、安全でプライベートなアクセスをそれぞれのユーザーに対して提供するＥＶＦＳ内に存在している。ＥＶＦＳに関する以下の説明を参照されたい。その他の実施例においては、前述のように、接続が確立したら、サーバーは、認可されたユーザーに対してアプリケーションを供給可能である。

図７に示されているように、一実施例によるサーバーは、モジュール及びコンポーネントの組を含んでおり、このいくつかは、図６に示されているクライアントに含まれているものに類似している。例えば、サーバー内には、ＳＫＥ７０５及び暗号化７０７が実装されている。又、認証及び暗号化体系との関連で、ランダム化も利用されている。前述のように、ＥＶＦＳ７０９が、サーバーにリンクしており、それぞれのクライアントに対して、データアクセス及びストレージ用の仮想プライベートファイルシステムを提供している。このＥＶＦＳ７０９は、ＥＶＦＳインターフェイス７１１を介してサーバーにリンクしている。詳細な説明については、以下を参照されたい。更には、レーダーコネクタ７１３が、サーバーの一部として含まれており、クライアント側におけるレーダーコネクタ６１５とインターフェイスしている。それぞれの側のレーダーコネクタによるクライアントとサーバー間のネットワーク接続により、ネットワーク接続の効果的な監視及び制御が可能になっている。又、本開示の別の実施例によれば、レーダーコネクタは、必要に応じて、消失した接続の検出と、接続の再確立をも実行可能である。例えば、メッセージング７１５、ストリーミング７１７、及びカスタマイズされた通信７１９を含む様々なアプリケーション又はサービスがサポートされている。

クライアントとサーバー間のデータ伝送は、特定の実施例においては、データグラムスキーマに基づいた動的なデータグラムスイッチによって実現される。以下の例１を参照されたい。サーバーを通じた搬送が指定されているすべてのデータは、（コンテンツデータであるかトランザクションデータであるかを問わず）データグラムとしてフォーマットされる。それぞれのデータグラムは、一実施例によれば、ＴＣＰパケット内において搬送される。別の実施例においては、ＵＤＰ、ＨＴＴＰ，及びＨＴＴＰＳなどのその他のネットワークプロトコルを使用可能である。一実施例によれば、データグラムスキーマ内において、複数のデータグラムタイプが定義されている。メイジャーデータグラムタイプは、複数のマイナー又はサブタイプを具備可能である。別の実施例においては、マイナーデータグラムタイプは、下位レベルのデータグラムサブタイプを更に有することができる。それぞれのデータグラム又はサブタイプごとに、メソッド及び関数の組を定義可能である。それぞれのデータグラムタイプ又はサブタイプは、１つ又は複数の特定のアプリケーションをサポートしており、１つ又は複数の特定の種類のデータを搬送する能力を有している。様々なタイプは、異なる特定の権限及び／又は許可を必要とするものであってよい。

データグラムは、サーバー内において、動的なデータグラムスイッチ７０１によって処理される。この動的なデータグラムスイッチは、リアルタイムでデータグラムを生成し７０１、割り当てて、スワッピングする能力を有している。データグラムの割り当てと割り当て解除は、動的に実行される。一実施例においては、１つのデータグラムを割り当て解除して別のものを割り当てる際に、同一のメモリ空間を使用している。複数のデータグラムについて、メモリポインタを使用している。１つのデータグラムがサービス中である場合には、そのポインタは、割り当てられているメモリをポイントしている。このメモリポインタの使用により、１つ又は複数のユーザーに対するサービスにおいて、複数のネットワークアプリケーションの配備とデータ伝送のサポートにおけるハイレベルの効率と速度が提供される。特定の実施例においては、データグラムスイッチは、１つのポートを通じたネットワーク接続内において実装可能であり、別の実施例においては、データグラムのスイッチは、複数のポートと関連して実装可能である。

動的なデータグラムスイッチ７０１は、一実施例によれば、データグラムパーサーエンジン１１３を構成している。又、このパーサーエンジン１１３には、パーサー７０３も含まれており、これは、そのメイジャー及びマイナータイプに基づいて、データグラムをフィルタリングする。例えば、データは、まず、ソケットから読み取られた後に、そのソケットのインキューに追加される。次いで、パーサーエンジン１１３は、ソケットがキュー内に完全なデータグラムを具備しているかどうかをチェックする。そして、完全なデータグラムを具備していない場合には、スリープ状態に戻り、次のパケットがソケットに到来するのを待つ。完全なデータグラムを具備している場合には、その完全なデータグラムをソケットのインキューから取得し、復号化及び解析するべく、復号化及び解析ユニットに送信する。

次いで、パーサーエンジン１１３は、そのデータグラムが、復号化及び検証に合格したかどうかを問い合わせる。合格しなかった場合には、そのデータグラムが変更又は注入のなんらかの標識を示しているかどうかをチェックする。変更または注入が検出された場合には、データグラムを破棄し、そのデータグラムを送信したユーザーを切断することができる。データグラムの復号化及び検証に成功した場合には、パーサーエンジン１１３は、そのデータグラムの意図する受領者を判定するべく試みる。データグラムが、別の接続されているサーバー宛てである場合には、そのデータグラムは、そのピアサーバー上のピアパーサーエンジン１１３に転送される。データグラムがローカルサーバーをターゲットにしている場合には、それはローカルパーサー７０３に伝達される。

次いで、パーサー７０３は、送信者がその特定タイプのデータグラムを送信する許可を具備しているかどうかをチェックする。これは、一実施例においては、オブジェクトクラシファイアを使用して実行される。以下の例２と認証及び暗号化に関する説明を参照されたい。送信者がその特定のタイプのデータグラムを送信する許可を具備していない場合には、データグラムは破棄され、ログファイルが生成される。送信者が、そのデータグラムタイプの許可を具備している場合には、パーサーは、送信者が、その特定のデータグラムを送信する許可を具備しているかどうか、及び受領者がそのデータグラムを受領する許可を具備しているかどうかを更にチェックする。許可を具備しておらず、その不許可が永久的なものである場合には、そのデータグラムは、破棄され、ログファイルが生成される。許可を具備してはいないが、その不許可が一時的なものである場合には、後続の検索と処理のために、データグラムを保存可能である。送信者がそのデータグラムを送信する許可を具備し、受領者がそのデータグラムを受領する許可を具備している場合には、パーサーは、データグラムタイプの判定に進む。

図３は、一実施例に従ってパーサー７０３内において実装された、データグラムタイプ３０１を判定してデータグラムを解析する関連プロセスを示している。それぞれのデータグラムタイプは、インスタントメッセージングエンジン３０３、ブロードキャストエンジン３０５、接続プロキシエンジン３０７、ユーザー認証エンジン３０９、ユーザー管理エンジン３１１、ユーザーディレクトリエンジン３１３などの対応する処理エンジンを具備している。データグラムタイプの弁別が完了したら、データグラムは、対応するデータグラムタイプに指定されたエンジンに供給され、これによって処理される。

ピアリングエンジン３１５は、別の接続されているサーバー（ピアサーバー）に存在しているピアパーサーエンジンを意味している。ユーザーのログオン及びログオフは、すべてのピアに対してブロードキャストされる３１７。それぞれのピアサーバーに対するユーザーアクセスは、必要に応じて調整及び管理可能である。例えば、ユーザーが、よりハイレベルのアクセス権限を認可するピアサーバーによる認証に成功し、これに接続された場合には、そのユーザーが具備しているサーバーに対する既存の接続を終了させることできる。ユーザー管理エンジン３１１に接続された状態で、許可エンジン３１９は、すべてのユーザーの許可を管理及び記録する。その他の実施例においては、必要に応じて、例えば、ＶＰＮトンネリングエンジン３２１を含む更なる機能を提供するその他のモジュール又はプロセスも含まれている。

一実施例においては、サーバは、データグラムタイプのマトリックスを動的に処理可能である。このマトリックスは、第１の既定数（例えば、２５６）のメイジャーデータグラムタイプを含んでおり、このそれぞれは、第２の既定数（例えば、２５６）のマイナーデータグラムタイプを含んでいる。別の実施例においては、パーサー７０３は、２つを上回る数の次元又はレイヤを具備するデータグラムタイプのマトリックスを解析する能力を有している。従って、データグラムタイプ、フィールド、及びレイヤに基づいて、解析を実装可能である。

データグラムの適切な解析が完了すると、データグラムの一般的なレイアウトに従って、それぞれのデータグラムごとに、適切な関数又はメソッドを実行可能である。図４は、一実施例によるデータグラムの一般的なレイアウトを示している。このデータグラムレイアウトは、ペイロード４０１と、メイジャーデータグラムタイプ４０３、マイナーデータグラムタイプ又はサブタイプ４０５、データグラム長４０７、及びデータグラムチェックサム４０９などのヘッダフィールドを含んでいる。ペイロード４０１は、伝送の際にコンテンツデータを搬送する。様々なデータグラムタイプ用の追加ヘッダフィールド４１１を含むことができる。

以下の例１を参照すれば、一実施例においては、メイジャーデータグラムタイプは、例えば、ユーザー接続を認証及び制御する能力を有するサーバーメッセージ及び接続制御データグラム、コンテンツデータ伝送を管理する能力を有するコンテンツデータグラム、リアルタイムポイントツーマルチポイント及びマルチポイントツーマルチポイントデータ伝送の能力を有するブロードキャストデータグラム、及びネットワークサーバーとインテリジェントデータキャリア間においてプロキシデータを伝送する能力を有する接続プロキシデータグラムを含んでいる。

サーバーメッセージ及び接続制御データグラムは、認証要求を起動する能力を有する認証要求データグラム、認証要求の際に応答を送信する能力を有する認証回答データグラム、及び認証セッションの結果を送信する能力を有する認証結果データグラムなどのマイナー又はサブデータグラムタイプを含んでいる。

コンテンツデータグラムは、コンテンツデータを伝送する能力を有する通常コンテンツデータグラム、ネットワークサーバーと通信し、ログインセッションを確立する能力を有するリモートロギングデータグラム、リモート接続からデータを伝送する能力を有するリモートデータコレクタデータグラム、伝送されたコンテンツデータの検証を要求する能力を有するコンテンツ承認要求データグラム、及び伝送されたコンテンツデータの検証要求に応答する能力を有するコンテンツ承認回答データグラムなどのマイナー又はサブデータグラムタイプを含んでいる。

接続プロキシデータグラムは、インテリジェントデータキャリアからネットワークサーバーにプロキシデータを伝達する能力を有するサーバーへのプロキシデータと、ネットワークサーバーからインテリジェントデータキャリアにプロキシデータを伝達する能力を有するサーバーからのプロキシデータなどのマイナー又はサブデータグラムタイプを含んでいる。メイジャーデータグラムの別の例は、インスタントメッセージタイプである。これは、ファイル伝送タイプ、オーディオ／ビデオ伝送タイプ、インスタントメールメッセージタイプ、及びリモートデータ収集タイプなどのマイナーデータグラムタイプを含んでいる。

サーバー及びクライアントと接続するインジェクタ
更なる実施例においては、本開示の安全なネットワークシステムは、サーバーを既存のネットワークインフラストラクチャに接続するべく適合されたインジェクタを含んでいる。インジェクタは、ネットワーク接続を提供するソフトウェア又はファームウェアであってよい。インジェクタは、物理的な接続データを論理的なネットワークリソースに変換する。この結果、既存のネットワークとの簡便な統合が可能となり、既存のＩＴインフラストラクチャを変更するニーズが軽減される。

図８を参照すれば、一実施例においては、インジェクタは、クライアント（図６）又はサーバー（図７）におけるものに類似したモジュール及びプロセスを含んでいる。例えば、インジェクタ内には、ＳＫＥ８０５及び暗号化８０７が実装されている。又、認証及び暗号化体系との関連で、ランダム化も利用されている。サーバーと同様に、インジェクタも、既存のネットワークに対するデータアクセスのための仮想プライベートファイルシステムをユーザーに提供するＥＶＦＳ８０９にリンクされている。ＥＶＦＳ８０９は、ＶＦＳ（ＶｉｒｔｕａｌＦｉｌｅＳｙｓｔｅｍ）インターフェイス８１１を介してインジェクタにリンクしている。クライアント及びサーバーと同様に、インジェクタも、例えば、メッセージング８１３、ストリーミング８１５、及びその他のカスタム通信８１７を含む様々なタイプの通信をサポートしている。

更には、インジェクタは、動的なデータグラムスイッチ８１０を採用しており、データグラム又はフレームパーサー８０３を具備している。データグラムスイッチ８０１及びフレームパーサー８０３は、ネットワークサーバー内のデータグラムスイッチ７０１及びデータグラムパーサー７０３に対応している。レーダーコネクタ８１０も、インジェクタの一部として含まれており、サーバー側におけるレーダーコネクタ７１３とインターフェイスしている。レーダーコネクタ８１９は、インジェクタとサーバー間のネットワーク接続を監視及び制御している。又、別の実施例によれば、レーダーコネクタ８１９は、必要に応じて、消失した接続を検出し、接続を再確立することも可能である。

認証と暗号化
本開示の様々な実施例においては、安全なネットワークシステムは、例えば、暗号化された又は暗号化されていないＡＳＣＩＩストリング、単一クラシファイアモデル、及びスーパークラシファイアモデルを含む様々な認証及び暗号化手段を採用可能である。対称及び非対称マルチサイファ暗号化を使用可能である。暗号化は、出力フィードバック、サイファフィードバック、サイファブロックチェーニング、サイファフォワーディング、或いは、暗号化又は復号化エンジンの両方が予測又は再生成可能な方式でサイファ及び／又はキーを変更するその他の方法により、時間と共に変更可能である。特定の実施例においては、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）が採用されている。ＳＫＥは、一度だけ使用された後に破棄されるランダムキーペアの生成を伴っている。ＳＫＥによれば、サーバーが所有又は制御しているパブリック／プライベートキーペアを除いて、どの装置又はシステム上にもキーが保存されない。ＳＫＥは、複数ユーザーに対してサービスするために公開鍵格納システムを必要とするＰＫＩ（ＰｕｂｌｉｃＫｅｙＩｎｆｒａｓｔｒｕｃｔｕｒｅ）とは異なっている。この中間的な公開鍵格納システム（これは、ネットワークハッカーの代表的なターゲットである）の省略により、ネットワークセキュリティを改善可能である。

特定の実施例による安全なネットワークシステム内のＳＫＥモジュールは、ＣＯＴＳ（ＣｏｍｍｅｒｃｉａｌＯｆｆＴｈｅＳｈｅｌｆ）システムを含む様々な公開鍵システムを使用している。一実施例においては、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌが使用されている。「ＦｅｄｅｒａｌＩｎｆｏｒｍａｔｉｏｎ，ＰｒｏｃｅｓｉｎｇＳｔａｎｄａｒｄｓＰｕｂｌｉｃａｔｉｏｎ１９７，ＡｎｎｏｕｎｃｉｎｇｔｈｅＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄｓ）」（２００１年１１月）を参照されたい（ｃｓｒｃ．ｎｉｓｔ．ｇｏｖ／ｐｕｂｌｉｃａｔｉｏｎｓ／ｆｉｐｓ／ｆｉｐｓ１９７／ｆｉｐｓ−１９７．ｐｄｆにおいて入手可能である）。又、ｃｓｒｃ．ｎｉｓｔ．ｇｏｖ／ＣｒｙｐｔｏＴｏｏｌｋｉｔ／ａｅｓ／、ｃｓｒｃ．ｎｉｓｔ．ｇｏｖ／ＣｒｙｐｔｏＴｏｏｋｋｉｔ／ａｅｓ／ｒｉｊｎｄａｅｌ／ｌ、及びｃｓｒｃ．ｎｉｓｔ．ｇｏｖ／ＣｒｙｐｔｏＴｏｏｌｋｉｔ／ａｅｓ／ｒｉｊｎｄａｅｌ／ｒｉｊｎｄａｅｌ−ｉｐ．ｐｄｆのウェブサイトも参照されたい。別の実施例においては、１６３ビットＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｇｒａｐｈｙ）キーを使用可能である。ＥＣＣ技術については周知である。例えば、ＴａｔｕａｋｉＯｋａｍｏｔｏ他によるＰＳＥＣ「ＰｒｏｖａｂｌｙＳｅｃｕｒｅＥｌｌｉｐｔｉｃＣｕｒｖｅＥｎｃｒｙｐｔｉｏｎＳｃｈｅｍｅ（ＳｕｂｍｉｓｓｉｏｎｔｏＰ１３６３ａ）」（１９９９年３月）を参照されたい（これは、ｇｒｏｕｐｅｒ．ｉｅｅｅ．ｏｒｇ／ｇｒｏｕｐｓ／１３６３／Ｐ１３６３ａ／ｃｏｎｔｒｉｂｕｔｉｏｎｓ／ｐｓｅｃ．ｐｄｆにおいて入手可能である）。又、ｗｏｒｌｄ．ｓｔｄ．ｃｏｍ／〜ｄｐｊ／ｅｌｌｉｐｔｉｃ．ｈｔｍｌ及びｃｓｒｃ．ｎｉｓｔ．ｇｏｖ／ｃｒｙｐｔｖａｌ／ｄｓｓ／ｆｒ０００２１５．ｈｔｍｌも参照されたい。

代替実施例においては、ランダムに、且つ組み合わせの形態で、様々な暗号化方法を採用可能である。例えば、代替のサイファには、Ｇｏｓｔ、Ｃａｓｔ１２８、Ｃａｓｔ２５６、Ｂｌｏｗｆｉｓｈ、ＩＤＥＡ、Ｍａｒｓ、Ｍｉｓｔｙ１、ＲＣ２、ＲＣ４、ＲＣ５、ＦＲＯＧ、ＳＡＦＥＲ、ＳＡＦＥＲ−Ｋ４０、ＳＡＦＥＲ−ＳＫ４０、ＳＡＦＥＲ−Ｋ６４、ＳＡＦＥＲ−ＳＫ６４、ＳＡＦＥＲ−Ｋ１２８、ＳＡＦＥＲ−ＳＫ１２８、ＴＥＡ、ＴＥＡＮ、Ｓｋｉｐｊａｃｋ、ＳＣＯＰ、Ｑ１２８、３Ｗａｙ、Ｓｈａｒｋ、Ｓｑｕａｒｅ、ＳｉｎｇｌｅＤＥＳ、ＤｏｕｂｌｅＤＥＳ、ＴｒｉｐｌｅＤＥＳ、ＤｏｕｂｌｅＤＥＳ１６、ＴｒｉｐｌｅＤＥＳ１６、ＴｒｉｐｌｅＤＥＳ２４，ＤＥＳＸ、ＮｅｗＤＥＳ、ＤｉａｍｏｎｄＩＩ、ＤｉａｍｏｎｄＩＩＬｉｔｅ、及びＳａｐｐｈｉｒｅＩＩが含まれる。代替のハッシュには、例えば、ＭＤ４、ＳＨＡ、ＳＨＡ−２、ＲｉｐｅＭＤ１２８、ＲｉｐｅＭＤ１６０、ＲｉｐｅＭＤ２５６、ＲｉｐｅＭＤ３２０、ＨａｖａｌｗｉｔｈＲｏｕｎｄｓ（１２８、１６０、１９２、２２４、及び２５６ビット）、Ｓｎｅｆｒｕ、Ｓｑｕａｒｅ、Ｔｉｇｅｒ、及びＳａｐｐｈｉｒｅＩＩ（１２８、１６０、１９２、２２４、２５６、２８８、及び３２０ビット）が含まれる。

一実施例における認証は、イベントレベルのデータに基づいている。認証イベントは、マウスのクリック、キーストローク、画面上における接触、発声、又はバイオメトリック計測値の取得を含んでいる。イベントレベルのデータは、イベントにおいて生成されたデータと、イベントの前後において生成されたデータを含んでいる。イベントを記録及び計測する際には、イベントウィンドウを指定可能である。即ち、例えば、時間限度内において、サウンドのサンプリングを取得可能である。一実施例によれば、スーパークラシファイアを編集する際に、このデータを使用可能である。

スーパークラシファイアの使用法は、分類（以下の付記１を参照されたい）、分析（以下の付記２を参照されたい）、決定（以下の付記３を参照されたい）という３つの側面を有している。スーパークラシファイアの機能は、入力ベクトルデータの特徴を抽出することである。この入力ベクトルデータは、２値又は非２値であってよい。付記３を参照されたい。一実施例においては、オブジェクトベクトルに基づいたスーパークラシファイアが使用されている。以下の例２を参照されたい。スーパークラシファイア内においては、次節で説明するオブジェクト分析に基づいてランダム化が適用されている。

クライアント又はＩＤＣがネットワークサーバーに対して接続を試みる際には、毎回、認証が行われる。一実施例によれば、認証及び暗号化体系は、ＩＤＣによって実現される。この認証及び暗号化体系は、一連の段階を伴っている。まず、第１に、ユーザーが、クライアント又はＩＤＣを介して要求をネットワークサーバーに送信し、認証を要求する。従って、認証セッションの起動は、クライアント又はＩＤＣからである。第２に、サーバーが、利用可能な認証方法のリストをＩＤＣに送信し、ユーザーが、イベント（例えば、マウスのクリック、画面上におけるタッチ、発声、キーストローク、又はその他の適切な通知イベント）を通じて、このリストから１つを選択する。カメラなどのデジタイザやバイオメトリック装置からの入力は、適切な通知イベントのその他の例を構成している。第３に、その選択された認証方法に基づいて、サーバーが、認証データに対する要求をＩＤＣに送信する。この要求は、パスワードの要求であってよく、このパスワードは、様々な実施例によれば、真にランダムであるか、又は擬似ランダムである。擬似ランダムパスワードは、数学的に事前算出されたリストに基づいて生成され、真にランダムなパスワードは、システム外のエントロピーソースをサンプリング及び処理することによって生成される。第５に、サーバーは、ＩＤＣから受信した認証データを１つ又は複数のデータオブジェクト又はオブジェクトベクトルに変換する。第６に、サーバーは、１つ又は複数のクラシファイア又はスーパークラシファイアを使用し、これらのデータオブジェクトに関するオブジェクト分析を実行する。バイオメトリックス計測に基づいたスーパークラシファイアを使用可能である。そして、最後に、分析の結果（即ち、クラシファイアに基づいた決定）が、サーバーからＩＤＣに送信される。この結果は、ユーザーの適切な認証を肯定し、これにより、サーバーに対するＩＤＣの接続を許可するか、或いは、ＩＤＣからの認証の試みが失敗したことを宣言する。

その他の実施例によれば、クライアント／サーバーの組み合わせの論理試験、ＩＤＣ用の装置試験、及びユーザー用の人物試験という３つの認証フェーズ又は３つの認証試験を実装可能である。３つの試験の中の１つ又は複数のものとの関連で、データオブジェクトクラシファイアを伴って（又は、伴うことなしに）、ランダム化を使用可能である。

クライアント／サーバーの組み合わせ用の論理試験は、ＩＤＣ又はクライアントが正しいサーバーを検出できるようにする試験である。これは、いくつかの段階を有している。最初に、サーバーをインストール又は初期化する際に、検証の目的にのみ使用される公開／秘密ＥＣＣ鍵のペアがサーバーにおいて生成される。このサーバーのすべてのクライアント又はＩＤＣには、そのＩＤＣが構成又は生成される際に、サーバー公開鍵が付与され（ＰＫ１）、この結果、そのＩＤＣは、サーバーの「一般的なコード」によって刻印され、これにより、その指定されたサーバーに「登録」されることになる。そして、この後に、このＩＤＣが、ユーザーに対して割り当てられ、サーバーに対して、リモートで、ネットワークを介して接続を試みた場合に、サーバーのランダマイザが、大きなランダムデータのストリームを生成し、この接続セッション用の新しいＥＣＣ（ＰＫ２）公開／秘密鍵ペアを生成する際のシードとして、これを使用する。次いで、この公開鍵に、検証のみを目的として以前に生成されたサーバー秘密鍵が署名される。この後に、サーバーは、この新しく生成された公開ＥＣＣ鍵と、署名の両方をＩＤＣに対して送信する。この情報を受信すると、ＩＤＣは、自身に刻印されている「検証のみ」の公開鍵を使用し、公開ＥＣＣ鍵の署名を検証する。署名が「刻印」と一致しない場合には、そのサーバーは、正しいサーバーでないため、ＩＤＣは切断する。署名が一致した場合には、ＩＤＣは、そのセッション用に新しいＥＣＣ（ＰＫ３）公開／秘密鍵ペアを生成し、このパブリックキーをＣＩＦ（ＣｌｉｅｎｔＩｄｅｎｔｉｔｙａｎｄＦａｃｉｌｉｔｙ）（前述の例１を参照されたい）の一部として送信する。そして、このＣＩＦが、サーバーのパブリックキーＰＫ２を使用して暗号化される。

ＩＤＣ用の装置試験は、検証のために、ＩＤＣの物理的なパラメータに焦点を合わせている。例えば、クライアントソフトウェアをキャリア装置上に配備する時点で（即ち、キャリア又はストレージ装置がＩＤＣになる際に）、そのＩＤＣはサーバー上に登録され、そのパラメータの中の特定のものがサーバー上（例えば、サーバーデータベース内）に保存される。ＩＤＣがＣＩＦパッケージを生成する際に、ＩＤＣは、自身がドッキングされているホストコンピュータ装置又はネットワーク接続装置に関する収集可能な情報をＣＩＦ内に保存し、以前の論理試験において既に検証済みの公開鍵ＰＫ１によってＣＩＦパッケージ全体を暗号化し、この暗号化されたＣＩＦをサーバーに送信する。復号化の後に、サーバーは、このＣＩＦ内のデータが、サーバー内に事前に登録されているパラメータと一致するかどうか、及びそのＩＤＣが既知の又は正しいネットワークホストから接続されているかどうかを検証可能である。この検証に失敗した場合には、サーバーは、セッションを終了させ、ＩＤＣを切断することができる。

ユーザー用の人物試験は、特定のユーザーの認証に焦点を合わせている。この試験は、クラシファイア又はスーパークラシファイアを伴って（又は、これを伴うことなしに）実装可能である。スーパークラシファイアを使用しない試験は、いくつかの段階を有している。例えば、ＳＫＥの成功に続いて、認証方法のリストと、これらの方法の１つがチャレンジ／応答ベースの認証である場合には、ＩＤＣを認証するチャレンジと、を含む認証要求データグラムをＩＤＣに送信する。次いで、ＩＤＣは、認証方法の中の１つを選択する。ＩＤＣは、ユーザーに対して対話型のログインを要求してもよく、しなくてもよい。ＩＤＣが認証のための十分な知識を既に具備している場合には、自動ログインが提供される。この認証の進行に伴い、ＩＤＣは、別のデータグラムタイプで実装された認証オブジェクトをサーバーに送信し、これは、サーバーがチェックする検証データを含んでいる。この認証データオブジェクトの分析は、使用する認証方法によって異なる。

一方、スーパークラシファイアの使用を伴うユーザー試験は、次のように進行する。スーパークラシファイアは、サーバーにおける様々なタイプのデータグラムタイプ及びデータグラムに基づいて実装されている。ＳＫＥに成功した際に、認証方法のリストと、認証方法の１つがチェレンジ／応答に基づいた認証である場合には、ＩＤＣを認証するチャレンジと、を含む認証要求データグラムがスーパークラシファイアからＩＤＣに送信される。次いで、ＩＤＣは、同様に、認証方法を選択する。認証においては、サーバーは、ＩＤＣにイベントレベルのタスクの実行要求を送信する。この要求は、ランダマイザからの入力に基づいて、スーパークラシファイアが生成する。ＩＤＣは、タスクを実行し、次いで、この結果生成されたイベントレベルデータが、認証データオブジェクト内にラッピングされる。一実施例においては、このデータオブジェクトは、セッションが脅威に晒される可能性を極小化するべく、この特定のネットワーク交換セッション用に別個にランダム生成された識別子を含んでいる。次いで、認証オブジェクトがＩＤＣから返され、これが、スーパークラシファイアに基づいて、サーバーの「ベリファイア」によって分析される。データオブジェクト分析は、使用する特定の認証方法に応じて変化する。

データベクトルオブジェクトの生成及び分析におけるランダム化
ランダム化技法は、理論及び応用数学の分野において周知である。これらは、しばしば、明白な共通基準が存在しない意思決定プロセスにおいて提供される。ランダム化の使用は、現在利用可能な巨大なコンピューティングパワーによって促進されている。ランダム化には、通常、シードの使用が伴っている。１つ又は複数のシードの供給に基づいて、乱数生成器が乱数のプールを生成する。シードの特性に応じて、ランダム化は、擬似乱数又は真の乱数に分類可能である。大部分の乱数生成器は、擬似乱数生成器である。これらは、数学的に事前算出されたリストに基づいており、これは、脅威に晒される可能性を有している。対照的に、真の乱数は、通常、関係するコンピュータシステム又はネットワーク外のエントロピーソースをサンプリング及び処理することによって生成される。真のランダマイザを破るには、エントロピーソースと、そのエントロピーがシードを生成した方法を識別しなければならない。

ランダム化は、コンピュータ又はネットワークセキュリティにおいても適用されている。データセキュリティにおける既存のランダム化のアプリケーションは、主に静的である。例えば、クライアント、サーバー、又は別のコンピュータ装置によって乱数を生成した後に、ユーザーがこれをコンピュータに伝達可能である。数が、システム固有の乱数生成器が許容する乱数「フレーム」内の数と一致した場合には、ユーザーに対してアクセスが認可される。これは、２つの秘密に収集されたキーを共有検証ポイントにおいてマッチング及び検証するＰＫＩ（ＰｕｂｌｉｃＫｅｙＩｎｆｒａｓｔｒｕｃｔｕｒｅ）に類似している。このパラダイムに伴う１つの問題点は、共有検証ポイントが、相対的に容易に脅威に晒されるということである。このシステムにおいては、共有検証ポイントは、所与のシードに基づいた数値のフレーム（又は、複数の英字桁などの所望の出力の組み合わせ）を含む乱数生成器である。この乱数生成器は、無限数の乱数を生成するように思われるが、生成器が一旦生成（シード供給）された場合に生成される乱数の合計数は、既定である。即ち、ランダムなのは、乱数が生成される順序のみである。このようなランダム化は、静的であり、それぞれの乱数は、理論的に予測可能である。

本開示の特定の実施例によるランダム化は、非静的な方式で提供される。ランダム化は、１つ又は複数のクラシファイア又はスーパークラシファイアを通じて、データオブジェクト内において実装されている。以下の例２を参照されたい。真の乱数生成器にシードが供給され、データベクトルオブジェクトの分析用の乱数が提供される。データオブジェクトは、前述の認証用の試験の中の特定のものにおいて利用される。

様々な実施例においては、真のランダム値に基づいて、複数の別個の秘密鍵を生成している。これらの鍵は、初期サーバー検証鍵に基づいた情報を含んではおらず、この理由は、データオブジェクトが、イベントレベルにおいてコンピュータ外のエントロピーに基づいて数を値又はデータイメージに変換しているためである。従って、これは、ランダマイザ又は乱数生成器の環境外であり、非静的なものになる。ランダム化に基づいたオブジェクト変換に使用されているものが、それ自体、鍵であるため、２つの未知のもの（秘密鍵）をマッチングさせてそれらを既知にすることが可能になる。別の実施例においては、同様に、２つを上回る数の秘密鍵を生成及び使用可能である。更には、任意の数の秘密鍵をクラシファイア内のオブジェクトによって生成可能であり、これにより、秘密鍵の数を未知にしている。

この実施例においては、ランダム化は、（ｉ）真の乱数生成器に基づいて認証チャレンジとユーザー又はクライアントを付き合わせると共に、（ｉｉ）実行するオブジェクト分析を選択し、その選択した分析を実行するべく、実装されている。

代表的な事前にプログラムされた乱数生成器は、次のような形態であってよい。

例えば、Ｗ．Ｈ．Ｐｒｅｓｓ他による「ＮｕｍｅｒｉｃａｌＲｅｃｉｐｅｓ」（ＣａｍｂｒｉｄｇｅＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ）を参照されたい。単純な線形合同生成器又は改善された生成器のいずれを使用した場合にも、例えば、生成された一連のいくつかの乱数の観測からシードを算出することを防止するべく、複数の乱数生成器を採用し、これにより、組み合わせ問題を生成可能である。特定の実施例においては、シーケンス内の最下位桁を切り捨てることにより、ヒントを提供する可能性を極小化している。又、その他の実施例においては、シード以外に、前述の式に従って、生成器固有定数α、ｃ、及びｍも提供されている。定数α及びｍについて、多数の可能な値を有する表を生成可能である。なんらかの雑音入力を使用して定数が選択されると、この方法によれば、より安定したランダマイザが導出される。更に別の実施例においては、いくつかの事前選択された乱数生成器をＮ個の独立したシードと共に使用可能である。単純な合計を次のように使用可能である。

約２．３ｘ１０¹⁸の組み合わせ周期を有する２つの線形合同生成器を組み合わせるための有用なアルゴリズムの一例は、「ＮｕｍｅｒｉｃａｌＲｅｃｉｐｅｓ」に記述されているｒａｎ２である。このアルゴリズムは、２つの独立したシードを使用して変更可能である。３個又はＮ個の生成器を使用し、これを更に変更することも可能である。一実施例においては、悪意のある者が容易にアクセスできない非決定論的なソースを使用し、少なくとも１つのシードを取得している。この非決定論的なソースは、例えば、外部装置、外部イベントの発生、第三者、及びコンピュータの最近の履歴から導出されたビットなど、ランダマイザの外であると共に対象のネットワークシステム外の任意のものであってよい。

オブジェクトに基づいたベクトルの分析において、１つの特定のクラシファイアを使用した場合には、予測可能性が相対的に高く、従って、加害者が、クラシファイア及びシードを解明可能である。特定の実施例においては、相対的に低い予測可能性を実現可能なクラシファイアのアンサンブル（即ち、マルチクラシファイア又はスーパークラシファイア）を使用している。クラスを弁別しない変動の破棄に伴って、特徴ベクトルの次元を低減可能である。

要約すれば、本開示のよる真のランダム化は、データアクセスに対する保護を改善する。データオブジェクトが、イベントレベルにおいてユーザーにのみ判明している特定の値（一実施例においては、バイオメトリックス計測値）に基づいている。（装置ではなく）ユーザーに対して焦点を合わせていることが、本開示によるユーザー中心のセキュリティの特徴である。真のランダム化された方式で、イベントレベルで変換され、スーパークラシファイア内において分析されたデータオブジェクトが、ユーザーアイデンティティを確立及び検証するための優れた基礎を提供している。

（ＥＶＦＳ（ＥｎｃｒｙｐｔｅｄＶｉｒｔｕａｌＦｉｌｅＳｙｓｔｅｍ））
様々な実施例によるＥＶＦＳは、ユーザー（又は、ユーザーのグループ）ごとのクライアントごとの仮想ファイルシステムであって、これは、ファイルリポジトリとも呼ぶ。これは、サーバーに基づいたファイルシステム又はファイル及びデータストレージ機能であり、これにより、ネットワークシステムのユーザーは、そのローカルホスト又はクライアントキャリアから離れた場所に、ファイル又はデータを保存可能である。ＥＶＦＳは、例えば、ローカルホストに記憶容量が不足している場合に有用であろう。ＥＶＦＳの使用及び実装の例は、公的に入手可能である。例えば、ｗｗｗ．ｍｉｃｒｏｓｏｆｔ．ｃｏｍ／ｔｅｃｈｎｅｔ／ｔｒｅｅｖｉｅｗ／ｄｅｆａｕｌｔ．ａｓｐ？ｕｒｌ＝／ＴｅｃｈＮｅｔ／ｐｒｏｄｔｅｃｈｎｏｌ／ｗｉｎｄｏｗｓ（登録商標）２０００ｓｅｒｖ／ｄｅｐｌｙ／ｃｏｎｆｅａｔ／ｎｔ５ｅｆｓ．ａｓｐ、ｗｗｗ．ｓｅｒｖｅｒｗａｔｃｈ．ｃｏｍ／ｔｕｔｏｒｉａｌｓ／ａｒｔｉｃｌｅ．ｐｈｐ／２１０６８３１、及びｗｗｗ．ｆｒｅｅｂｓｄｄｉａｒｙ．ｏｒｇ／ｅｎｃｒｙｐｔｅｄ−ｆｓ．ｐｈｐのウェブサイトを参照されたい。

本開示の一実施例によれば、安全なネットワークシステムのサーバーは、図７に示されているように、ＥＶＦＳインターフェイス７１１を通じてＥＶＦＳ７０９に接続されている。ＥＶＦＳ７０９は、ユーザーディレクトリ７２１、ユーザーごとのファイルデータベース７２３、及びファイルストレージ７２５を含んでいる。ユーザーディレクトリは、パスワード、ログインパラメータ、バイオメトリックプロファイル、物理的又は地理的な場所、オンライン及びオフライン状態、ＥＶＦＳ内に保存されているファイルを暗号化するのに使用するパブリックＥＣＣキーを含むすべてのユーザーの関連情報を収容している。ユーザーとは、クライアント又はＩＤＣを通じてネットワークサーバーに接続し、ネットワークによってサポートされている特定のアプリケーションを使用した（又は、使用中である）個人である。アプリケーションは、本開示の一実施例によれば、ＩＤＣから供給及び実行可能である。又、アプリケーションは、ＩＤＣ又はクライアントが接続されているホストコンピュータ又は装置上においても実行可能である。或いは、この代わりに、アプリケーションは、クライアントの代わりに、サーバー上において、リモートで実行することも可能である。

サーバーは、ユーザーディレクトリインターフェイス７２７（これは、サーバー内に存在している）を使用し、ユーザーディレクトリ７２１にアクセスする。ファイルストレージ７２５は、ユーザーが関心を持っているファイル又はその他のデータを保存するデジタル媒体である。これは、任意の種類のコンピュータメモリであってよい。これは、ユーザーアプリケーションから生成された又はこれによって変更されたファイル又はデータを保存する物理的な場所であり、ユーザーアプリケーションは、ＩＤＣ、ホストコンピュータ、又はサーバー上においてリモートで実行される。速度と簡便なアクセスのために、ファイルストレージ７２５を最適化可能である。

ユーザーごとのファイルデータベース７２３は、オリジナルのファイル名、日付及び時間、並びに、ファイルを暗号化するのに使用する暗号化キーの暗号化表現などのユーザーファイル情報を収容している。ＥＶＦＳ７０９内に保存されているすべてのファイルには、真のランダム名と、真のランダム暗号化キーが割り当てられており、これらは、ファイルストレージ７２５内に混在している。データアクセスは、それぞれのユーザーに関して、秘密に維持され、安全である。それぞれの個々のユーザーは、そのユーザーが所有権を具備している又はそのユーザーがアクセスするための許可を得ているファイル又はデータのみを参照及びアクセス可能である。ユーザーがそれぞれのファイル又は文書に関連して具備するアクセスのレベルは、サーバーによって制御される。即ち、特定の実施例においては、ユーザーには、ファイルの読み取りと編集のみが許容されており、サーバーから（或いは、アプリケーションがインテリジェントデータキャリアから実行されている場合には、ＩＤＣから）移動又は複写することは許容されていない。従って、それぞれのユーザーは、実質的に、サーバーに接続されたプライベートデータベース（即ち、ユーザーごとのデータベース７２３）を具備している。

本明細書に開示されている安全なネットワークシステム内において使用されるＥＶＦＳ７０９は、それぞれのユーザーに属するデータ及びアプリケーションに対して改善された保護を提供する。物理的な脅威の場合には（例：ＩＤＣの消失や盗難）、ＥＶＦＳ７０９内に保存されているデータは、正しく認証されたユーザー（ファイルを開錠可能なプライベートＥＣＣ暗号化キーにアクセス可能なファイルの所有者）以外には、だれにとっても読み取り不能となる（又は、見えない）。

従って、様々な実施例によれば、ＥＶＦＳ７０９を提供することにより、安全なネットワークシステムのユーザー中心の側面が改善される。暗号化、認証、及び本開示を通じて説明したその他の特徴と共に、ＥＶＦＳ７０９は、ＩＤＣを通じたアプリケーションの安全な供給及びスタンドアロン動作を実現する。

以下の例において、様々な実施例について更に説明するが、これらは、開示した実施例を例示するものであり、これらの実施例をいかなる方式においても制限するものではない。

例１：データグラムの例とメイジャ及びマイナー（サブ）データグラムタイプの仕様
データグラムの例
インスタントメッセージタイプ
インスタントメッセージ
リモートロギング
リモートデータ収集
リモート命令実行
ファイル伝送
オーディオ／ビデオ通信
ＥＤＩトランザクション
ブロードキャストタイプ
非リアルタイムポイントツーマルチポイント伝送
株価表示機
非リアルタイムマルチポイントツーマルチポイント伝送
チャネルに基づいたチャット（ＩＲＣスタイル）
リアルタイムポイントツーポイント伝送
ユーザーツーユーザーチャット
オーディオ／ビデオ会議（オーディオ又はビデオテレフォニー）
リアルタイムポイントツーマルチポイント伝送（ブロードキャスト）
オーディオ／ビデオブロードキャスト
リアルタイムマルチポイントツーマルチポイント伝送
オーディオ／ビデオ会議
ユーザーディレクトリタイプ
問合せ
更新
サーバーキュータイプ
オフラインストレージ
サーバースワップ領域
コンテンツフィルタ制御
フィルタ状態
フィルタ統計
フィルタ更新（規則の追加／除去）
フィルタ設定
フィルタリセット
必須データグラムフィールド
それぞれのデータグラムの開始部分は、次のようにレイアウト可能である。
バイトサイズ入力者コンテンツ
１クライアントデータグラムメイジャータイプ
１クライアントデータグラムマイナータイプ（サブタイプ）
８サーバーサーバーにおいて受信されたデータグラム（タイムスタンプ）
４サーバーデータグラムのオリジネータ（送信者のクライアントＩＤ）
１クライアント署名／ＣＲＣタイプ
ｎクライアント署名／チェックサムフィールド
（例えば、ＥＣＣ署名、ＭＤ４、ＭＤ５、ＳＨＡ、ＳＨＡ１など）
データグラムのタイプに応じて、前述のフィールドに追加ヘッダフィールドを追加可能である。追加ヘッダフィールドは、通常、クライアントが入力し、サーバーが検証可能である。
署名／ＣＲＣタイプ
タイプＣＲＣフィールド長
０：チェックサムなし０バイト（非推奨）
１：ＥＣＣ署名８７バイト
２：ＳＨＡ２０バイト
３：ＳＨＡ１２０バイト
４：ＭＤ４
５：ＭＤ５１６バイト
６：
７：
８：ＣＲＣ３２
様々なデータグラムには、追加された追加ヘッダが存在している。ヘッダは、クライアントが入力し、サーバーが検証可能である。
対称サイファタイプ
ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）の一部がネゴシエートされる。対称サイファは、クライアント及びサーバーの両方によってサポートされ、許可とサイファタイプ優先順位に基づいて選択される。
タイプ名称
１Ｒｉｊｎｄａｅｌ
２Ｂｌｏｗｆｉｓｈ
３ＲＣ６
４Ｔｗｏｆｉｓｈ
ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）
特定の実施例においては、脅威のリスクに晒されるクライアント内に対称サイファキーが保存されないように、ＳＫＥを利用してランダムな１回限りの（使い捨て）暗号化キーを実装している。
その他の情報又はデータは、ＳＫＥが実行される際に、ネットワーク上において交換される。これらの情報又はデータにより、ユーザーの制限又は権限の拡大を実現可能である。
ＳＫＥプロセスの概要
１．クライアントがサーバーに接続する。
２．サーバーがＳＰＫデータグラムをクライアントに送信する。
３．クライアントがサーバー署名を検証し、ＣＩＦデータグラムを返す。
４．サーバーがクライアントデータを検証し、ＳＫＰデータグラムを返す。
５．クライアントがレシートを送信する。
６．サーバーがレシートを送信する。
ＳＰＫデータグラム
ＳＰＫ（ＳｅｒｖｅｒＰｕｂｌｉｃＫｅｙ）データグラムは、セッションのサーバーパブリックキーをクライアントに搬送するべく使用される。サーバーは、介入するハッカーから保護するべく、サーバーインストールの際に生成された事前共有パブリック／プライベートＥＣＣキーからのプライベートキーにより、このキーを署名可能である。
バイトサイズ説明
２セッション用のサーバーパブリックキー長（１６進）
ｎセッション用のサーバーパブリックキー
ｎ署名
ＣＩＦデータグラム
ＣＩＦ（ＣｌｉｅｎｔＩｄｅｎｔｉｔｙａｎｄＦａｃｉｌｉｔｙ）データグラムは、ＩＤＣが稼働しているホストに関する情報と、そのセッションでの使用をクライアントが所望するパブリックキーを含むクライアント（ＩＤＣ）に関するデータをエンコードする。
データは、ＣＳＶに似た方式でエンコードされる。
フィールド説明
１セッション用のクライアントパブリックキー
２サポートされているサイファ方式とキー長の空白で区切られたリスト
３ハッシュ方式の空白で区切られたリスト
４クライアント装置タイプ（エンコードされた２値データであってよい）
５クライアント識別子（エンコードされた２値データであってよい）
６クライアント→サーバーストリームの対称サイファキー
７対称サイファのＩＶ
サイファ及びキー長は、次のようにフォーマットされる。
＜サイファ方式＞−＜キー長＞＜サイファ方式＞−＜キー長＞
クライアント装置タイプとは、ＩＤＣハードウェア環境の説明である（例えば、ウィンドウに基づいたホストにおけるＰＮＰ装置ＩＤ）。例えば、ホストのプロセッサシリアル番号、マザーボード（又は、マザーボードのＢＩＯＳ）のファームウェアレビジョン及びシリアル番号、異なるハードウェアトークンからの認証データ（例：バイオメトリック入力装置、スマートカードリーダー、フラッシュリーダー）、及びホストがサーバーと通信するネットワークインターフェイスのＭＡＣを含むＩＤＣが接続されているホストに関する任意の情報を使用可能である。
ＣＩＦデータグラム全体をサーバーパブリックキーを使用して暗号化可能である。ＥＶ（ＥｘｃｈａｎｇｅｄＶａｌｕｅ）が、暗号化されたパッケージと共に送信される。暗号化されたデータグラムは、次のように読み取り可能である。
第１及び第２オクテットは、ＥＶ長である（１６進）。
ＥＶを有するｎ個のオクテットが続く。
暗号化されたＣＩＦデータを有するｎ個のオクテットが続く。
ＳＫＰデータグラム
ＳＫＰ（ＳｅｒｖｅｒＫｅｙＰａｃｋａｇｅ）データグラムは、サイファ、ビット長、及びキーに関する情報を保持しているが、その他の目的に拡張することも可能である。
サーバーは、ＳＫＰデータグラム内の情報に署名する必要はない。ＳＫＰは、クライアントのパブリックキーによって暗号化され、次いで、これが、サーバーに送信されて、サーバーのパブリックキーによって暗号化される。このデータグラムは、ＣＳＶに似た方式でエンコードされる。
フィールド説明
１ＳＫＰデータグラムタイプ
ＳＫＰタイプ０
これは、通常のＳＫＰデータグラムである。これは、アップ及びダウンストリームのサイファ、キー長、及びサイファモードに関するクライアントへの情報を保持している。
フィールド説明
２サーバー→クライアントストリームに選択されたサイファ
３サーバー→クライアントストリームのビット長
４サーバー→クライアントストリームのサイファモード（ＥＣＢ、ＣＢＣ、ＣＦＢ、ＯＦＢ）
５クライアント→サーバーストリームに選択されたサイファ
６クライアント→サーバーストリームのビット長
７クライアント→サーバーストリームのサイファモード（ＥＣＢ、ＣＢＣ、ＣＦＢ、ＯＦＢ）
８サーバー→クライアントストリームの対称サイファキー
９サーバー→ストリームの対称ＩＶ
ＳＫＰタイプ１
ＩＤＣに対して、特定のサーバーから「クライアントアイデンティティ」更新（又は、追加のアイデンティティ）を取得するように命令する。
フィールド説明
２追加アイデンティティを保持しているサーバーのＩＰアドレス
３サーバーがリスンしているポート
４ＳＫＥの際にサーバーに付与する任意選択の「クライアントアイデンティティ」
ＳＫＰタイプ８
現在の場所からは、システムに対する接続が許容されていないことをＩＤＣに対して通知する。サーバーは、タイプ８のＳＫＰデータグラムの転送に成功した際に、接続を自動終了させることができる。
フィールド説明
２ユーザーに提示するメッセージ（任意選択）
ＳＫＰタイプ９
ファームウェア更新の取得を試みるようにＩＤＣに求める。
フィールド説明
２ファームウェア更新を保持しているサーバーのＩＰアドレス
３サーバーがリスンしているポート
４ＳＫＥの際にサーバーに付与する任意選択の「クライアントアイデンティティ」
ＳＫＰタイプ１０
行方不明又は消失が報告された際に、ＩＤＣ装置を返却するようにユーザーに要求するべくＩＤＣに命令する。
フィールド説明
２ユーザーに提示するメッセージ
ＳＫＰタイプ１１
「自己破壊」を試みるようにＩＤＣに命令する。
フィールド説明
２方法（ビットフィールド）
３クッキー（任意選択）
ＳＫＰタイプ１１のメソッド
ビット説明
０ドライブの切り離し
１ワイプ
２「クッキー」の追加
ＳＫＰデータグラムは、クライアントのパブリックキーによって暗号化される。ＥＶ（ＥｘｃｈａｎｇｅｄＶａｌｕｅ）が、暗号化されたパッケージと共に送信される。送信される暗号化されたデータグラムは、次のように読み取り可能である。
第１及び第２オクテットは、ＥＶ長である（１６進）。
ＥＶを有するｎ個のオクテットが続く。
暗号化されたＳＰＫデータを有するｎ個のオクテットが続く。
ＣＲデータグラム
ＣＲ（ＣｌｉｅｎｔＲｅｃｅｉｐｔ）データグラムは、対称サイファによって暗号化された（暗号化されていない）ＳＫＰデータグラム全体、ビット長、及びサーバーによって提供されるメソッドのＳＨＡ−１ハッシュである。
ＳＲデータグラム
ＳＲ（ＳｅｒｖｅｒＲｅｃｒｉｐｔ）データグラムは、サーバーからクライアントへのサイファストリームのレシート及び試験の両方として同一のハッシュを返す。
メイジャータイプ０：サーバーメッセージ及び接続制御
このデータグラムタイプは、サーバーがメッセージ、エラー通知、及びサーバー／クライアント固有の情報をネットワーク接続を通じて送信するのに使用される。
サブタイプ１：認証要求
サーバーに接続する際には、サーバーは、自身を識別するようにクライアントに対して要求するタイプ０、１データグラムを発行可能である。このデータグラムは、サーバーによる認証に必要な認証方法について、接続されているクライアントに通知する。
サブタイプ２：認証回答
このデータグラムは、ユーザーを検証するためにクライアントが使用する。
次のリストに示されているように、このタイプのデータグラムと関連し、複数の認証方法を使用可能である。
０ユーザー名及びパスワード
１ユーザー名及びパルワード＋ｘ．５０９クライアント証明書署名（例えば、ｗｗｗ．ｗｅｂｏｐｅｄｉａ．ｃｏｍ／ＴＥＲＭ／Ｘ／Ｘ＿５０９．ｈｔｍｌを参照されたい）
２ユーザー名及びパスワード＋ＥＣＣ署名
３パスワード
４パスワード＋ｘ．５０９クライアント証明書署名
５パスワード＋ＥＣＣ署名
６１回限りパスワード（Ｓ−Ｋｅｙスタイルの既定の順序付けされたパスワードのリスト）
７１回限りパスワード＋ｘ．５０９クライアント証明書署名
８１回限りパスワード＋ＥＣＣ署名
９音声キー
１０音声キー＋ｘ．５０９クライアント証明書署名
１１音声キー＋ＥＣＣ署名
１２バイオメトリックハッシュ
１３バイオメトリックハッシュ＋ｘ．５０９証明書署名
１４バイオメトリックハッシュ＋ＥＣＣ署名
１５ｘ．５０９クライアント証明書（署名）
１６ＥＣＣ署名
１７コンテンツ転送ＩＤ（ＴＩＤ）
１８別のキャリアによって伝送された１回限りパスワード
１９一時的認証トークン
使用する特定の認証方法により、これらのデータグラム内の追加データフィールドの数を決定される。特定のメソッドを使用する際の様々なフィールドの例を次に示す。
メソッド０
バイトサイズ説明
１ユーザー名フィールド長
ｎユーザー名
１パスワードフィールド長
ｎパスワード
メソッド１
バイトサイズ説明
１ユーザー名フィールド長
ｎユーザー名
１パスワードフィールド長
ｎパスワード
ｎユーザー名及びパスワードフィールドに対するｘ．５０９署名
メソッド２
バイトサイズ説明
１ユーザー名フィールド長
ｎユーザー名
１パスワードフィールド長
ｎパスワード
ｎユーザー名及びパスワードフィールドに対するＥＣＣ署名
メソッド８
バイトサイズ説明
１パスワードフィールド長
ｎ１回限りパスワード
ｎＥＣＣクライアント証明書署名
メソッド１１
バイトサイズ説明
１ＥＣＣ署名長
ｎ音声キーデータに対するＥＣＣ署名
ｎ音声キーデータ
メソッド１２
バイトサイズ説明
ｎバイオメトリックハッシュ
メソッド１４
バイトサイズ説明
１ＥＣＣ署名長
ｎバイオメトリックハッシュに対するＥＣＣ署名
ｎバイオメトリックハッシュ
メソッド１６
バイトサイズ説明
ｎチャレンジに対するＥＣＣ署名
サブタイプ３：認証結果
認証要求が処理された後に、クライアントは、認証結果を提供する０、３データグラムを受信することになる。このデータグラムは、特定の静的フィールドを具備している。
バイトサイズ説明
１１＝認可、０＝拒絶
認証に成功した場合には、追加フィールドを含むことができる。
バイトサイズ説明
１ユーザープロファイル送信
４プロファイルが送信される場合には、プロファイルフィールド長を示してる。
ｎＭｉｍｅエンコードされたユーザープロファイル
サブタイプ４：一般エラー
サーバーがクライアントセッションにおいてエラーに遭遇した場合には、このタイプのデータグラムがエラーを取得する。含まれるフィールドは、次のとおりである。
バイトサイズ説明
ｎエラーメッセージ
サブタイプ５：無効なデータグラム
サーバーに伝達されたデータグラムが、なんらかの理由から無効であると見なされた場合に、このタイプのデータグラムがペイロード内に理由を収容している。
バイトサイズ説明
ｎエラーの説明
サブタイプ６：不適切な許可
このデータグラムは、ネットワークアクセスが拒絶されたことを示している。
バイトサイズ説明
１メイジャータイプ
１マイナータイプ
ｎエラーメッセージ
サブタイプ７：キープアライブ（Ｋｅｅｐ−Ａｌｉｖｅ）
このデータグラムは、ＴＣＰ接続をオープン状態に維持するべく、サーバー及び／又はクライアントから既定のインターバルで相互に送信される。これは、システムが、様々なプロキシファイアウォール（例：ＦＷ−１）を通じて稼働しているか、又はダイアルアップ接続（例：ダイアルアップルーターを通じたもの）上において稼働している場合に有用である。
又、このタイプのデータグラムは、クライアントが稼働状態にあるかどうかを検出するべく、クライアントがキープアライブデータグラムを返すようにサーバーが要求する場合にも有用である。サーバーは、クライアントから応答が受信されない場合に切断可能である。
ビットサイズ説明
０、１０＝回答不要、１＝回答要
メイジャータイプ１：コンテンツデータグラム
サブタイプ１：正常コンテンツデータグラム
このデータグラムは、伝送対象の実際のコンテンツを収容している。
バイトサイズ説明
４最終受領者ＩＤ
ｎＭｉｍｅエンコードされたデータ
サブタイプ２：リモートロギング
特定の実施例によれば、このデータグラムは、ロギングサーバー宛ての「ログコレクタ」クライアントがインストールされている接続装置からのログエントリを収容しており、これは、それ自体が、別のネットワークに対するクライアントであってよい。
バイトサイズコンテンツ
８最終受領者ＩＤ
ｎＭｉｍｅエンコードされたログデータ
サブタイプ３：リモートデータコレクタ
このデータグラムは、接続を確立するべくクライアントからデータを取得するためのサーバーの「リモートデータコレクタ」からクライアントに対する問合せを表している。
バイトサイズコンテンツ
８最終受領者ＩＤ
１データグラムタイプ（問合せ又は回答）
ｎＭｉｍｅエンコードされたデータ
サブタイプ４：コンテンツ承認要求
このデータグラムは、文書や支出レポートの署名、及び電子財務トランザクションの承認など、伝送されたコンテンツデータの承認を要求するべく使用される。
バイトサイズコンテンツ
８最終受領者ＩＤ
ｎ承認用のＭｉｍｅエンコードされたＸＭＬフォーマットのコンテンツ
サブタイプ５：コンテンツ承認回答
このデータグラムは、コンテンツ承認要求（サブタイプ４）に対して回答するために使用される。
バイトサイズコンテンツ
８最終受領者ＩＤ
１承認又は拒絶
１署名フィールドの長さ
ｎ「タイプ８」パケットのデータフィールドに対するＥＣＣ署名
メイジャータイプ２：ブロードキャストデータグラム
このタイプのデータグラムは、様々な会議及び放送アプリケーションに使用される。非リアルタイムポイントツーマルチポイント伝送、リアルタイムポイントツーポイント伝送（例えば、ユーザーツーユーザーチャット、オーディオ／ビデオ会議）、リアルタイムポイントツーマルチポイント伝送（例えば、株価表示機、オーディオ／ビデオ放送）、リアルタイムマルチポイントツーマルチポイント伝送（例えば、オーディオ／ビデオ会議）を含むいくつかのサブタイプを実装可能である。
メイジャータイプ３：接続プロキシ
接続プロキシデータグラムは、未加工の接続データを搬送し、これをクライアント上の埋め込まれた又は組み込まれたアプリケーションからネットワークサーバーに送信するべく、使用される。
プロキシ接続は、通常、制御チャネル（即ち、サーバーに対する最初の接続）上において要求され、この要求に応じて、これが適切に処理され、サーバーに対する新しい接続がオープンされた際に、確立される。次いで、「プロキシ接続ＩＤ」が付与され、これも、認証目的に使用される。別の実施例においては、制御チャネル上においてプロキシ接続を直接的に確立可能である。これは、単一接続を介したデータ伝送をサポートしている。この結果、ＴｅｒｍｉｎａｌＳｅｒｖｅｒやｔｅｌｎｅｔ接続を使用する場合など、非常に軽微なデータをプロキシ接続が搬送する場合に、サーバー及びクライアントに対する負荷が軽減される。
接続タイプ
異なるタイプの接続プロトコルを使用可能である。
０：ＴＣＰ
１：ＵＤＰ
サブタイプ１：クライアントからのプロキシデータ
これらのデータグラムは、クライアント側から到来するプロキシ接続の実際のデータを搬送する。１つのユーザーが、同時にオープン状態にある１つ又は複数のプロキシ接続を具備可能である。それぞれの接続を識別するべく、接続ＩＤ（ＣＩＤ）フィールドが含まれている。
バイトサイズ説明
２プロキシ接続ＩＤ
ｎデータ
サブタイプ２：クライアントへのプロキシデータ
これらは、プロキシ接続からクライアント（又は、接続の所有者）に戻ってくる接続データである。プロキシ接続は、接続の所有者との間で接続データを送受信するだけであるため、実際のデータ以外のその他のフィールドは含まれていない。応答したリモート接続（即ち、サーバー）をクライアントが識別できるように、データグラムのオリジネータフィールドにＣＩＤが含まれている。
バイトサイズ説明
Ｎデータ
タイプ送信者説明
０：サーバー接続されたリモートソケット
１：サーバー切断されたリモートソケット
２：クライアントリモートソケットを切断するが、プロキシ接続（ＣＩＤ）を維持する。
３：クライアントプロキシソケット接続を終了させる（完全な破棄）。
４：サーバープロキシソケットが終了した（完全な破棄）。
メイジャータイプ４：大規模コンテンツの転送
これらのデータグラムは、オーディオ／ビデオメディアやデータファイルなどの大規模なコンテンツデータを転送するべく設計されている。
サブタイプ０：転送のレシート
送信者が最終受領者からのレシートを要求した場合に、最終受領者は、転送のレシートを有する４、０タイプデータグラムを発行可能である。
返されるレシートは、ＣＲＣフィールドと転送ＩＤのコンテンツを含んでいる。
バイトサイズ説明
１ＣＲＣフィールド長
ｎ伝送されるコンテンツのチェックサム
ｎ転送ＩＤ
サブタイプ１：コンテンツ転送要求
大規模コンテンツの転送を要求するべくユーザーが使用する。クライアントの要求を受信した際に、サーバーは、クライアントがコンテンツを転送するためのサーバーに対する追加接続をオープンできるように、クライアントが使用する転送ＩＤ（ＴＩＤ）を返す。従って、長い転送の際に、制御接続が遮断されない。
バイトサイズ説明
４転送対象のコンテンツのサイズ（単位：バイト）
２送信対象のチャンクの合計数
４最終受領者ＩＤ
サブタイプ２：コンテンツ転送回答
バイトサイズ説明
１０＝転送拒絶、１＝転送許容
ｎ転送が許容された場合には、このフィールドが存在し、クライアントがファイルを転送するべく別の接続をオープンした際にサーバーに対して付与する転送ＩＤ（ＴＩＤ）を含んでいる。
サブタイプ３：コンテンツ転送セグメント
バイトサイズ説明
２セグメント数
ｎセグメントチャンク
サブタイプ４：再伝送要求
これは、通常、転送されたコンテンツがチェックサムチェックに不合格となった場合に、コンテンツのセグメントを再度要求するべく使用される。又、これは、転送接続の消失からの回復にも使用可能である。
バイトサイズ説明
２再送対象のチャンク
ｎＴＩＤ
メイジャータイプ５：ユーザーディレクトリ
このタイプのデータグラムは、ユーザーディレクトリ内において、ユーザーやユーザーグループのサーチ、又はユーザー情報の更新を実行するべく使用される。
問合せ内のサーチフィールドは、マスクとして取り扱われる。このサーチは、基礎をなしているデータベースインフラストラクチャがサポートしている場合に正規表現として取り扱われるサーチマスクによって実行される。
ＭｙＳＱＬを実装することにより、正規表現サーチをサポートする既定のデータベースベースシステムを提供可能である。従って、このシステム構成は、正規表現を使用するすべてのサーチをサポートしている。
サブタイプ１：ユーザオンライン
このデータグラムは、ユーザーがネットワークに接続されたことをシステムに通知するべく使用される。
バイトサイズ説明
４ユーザーのユーザＩＤ
サブタイプ２：ユーザーオフライン
このデータグラムは、ユーザーがネットワークから切断されたことを通知するべく使用される。
バイトサイズ説明
４ユーザーのユーザーＩＤ
サブタイプ３：ユーザーサーチ要求
これは、特定のデータマスクに基づいて、ユーザーディレクトリ全体にわたってユーザーをサーチするべく、接続されたクライアントが使用する。このタイプのサーチは、タイプ５、１０データグラムを返す。
バイトサイズ説明
ｎサーチ用のマスク
サブタイプ４：個別ユーザーサーチ
サブタイプ３に類似しているが、ユーザーに関する更に正確なマッチングを返す。このタイプのサーチは、タイプ５、１０データグラムを返す。
バイトサイズ説明
４ユーザーＩＤ
８最後のログイン
１オンライン状態
ｎ表示名
メイジャータイプ６：リモート管理
このデータグラムタイプによれば、ネットワークシステム内の管理者又は権限を有するユーザーは、その他の接続されたクライアントを遠隔制御し、この接続されたクライアント上においてアプリケーションを実行し、更新をプッシュすることができる。
サブタイプ１：リモートコンソールアプリケーションの実行
６、１データグラムは、定義されているアプリケーションを実行し、そのアプリケーションに対するオープンハンドルを維持する。実行に成功した際に、アプリケーションのプロセスＩＤがイニシエータに返される。そのプロセスの後続のすべての命令又は制御データグラム内においては、このプロセスＩＤを使用しなければならない。
バイトサイズ説明
８ターゲットユーザーＩＤ
ｎ実行対象のアプリケーションのフルパス及び名称
サブタイプ２：リモート実行結果
６、１データグラムの実行に成功した際に、６、１データグラムのイニシエータに返送される。
バイトサイズ説明
８宛先ユーザーＩＤ
２プロセスＩＤ
サブタイプ３：リモートプロセス終了
６、１データグラムによって起動されたリモートプロセスが終了すると、アプリケーションから６、３データグラムがエグジットコードと共に送信される。
バイトサイズ説明
８宛先ユーザーＩＤ
２プロセスＩＤ
２アプリケーションエグジットコード
サブタイプ１０：リモートツール要求
リモートクライアントからのデータの取得を簡単にするべく（又は、リモート装置に対する基本的な制御を実行するべく）、稼動中のプロセスのリスト、ログインユーザー、及びデータストレージなどの情報を含む情報をリモート装置から取得するための基本的なツールセットが提供されている。
バイトサイズ説明
８ターゲットユーザーＩＤ
１ツール識別子
ｎ任意選択のパラメータ（特定のツールが必要としている場合）
ツール識別子
０稼動中のプロセスの一覧表示
１隠蔽プロセスを含む稼動中のプロセスの一覧表示
２プロセスの削除（ＰＩＤをパラメータとして付与する）
３サービスの一覧表示
４サービスの停止（パラメータとしてサービス名）
５サービスの開始（パラメータとしてサービス名）
６サービスの再開（パラメータとしてサービス名）
７ボリュームラベル、サイズ、ブロックサイズ、使用空間、及びファイルシステムタイプを含むローカルストレージ装置の一覧表示
サブタイプ１１：リモートツール回答
要求されたツールに応じたＣＳＶフォーマットの回答を収容している。
バイトサイズ説明
８宛先ユーザーＩＤ
ｎリモートツールから出力されたＣＳＶデータ
サブタイプ２０：アプリケーション転送要求
アプリケーション又はアプリケーション更新の転送を起動するために使用される。
バイトサイズ説明
１転送タイプ
宛先ユーザーＩＤ
１オプション（ビットフィールド）
４コンテンツのサイズ
ｎターゲットファイルのパスと名称（任意選択であり、既定は、クライアントのルートである。）
オプションビットフィールド
ビット説明
１自動実行（自動更新、自動拡張などもカバーしている）
２ユーザーに対する要求（実行／更新の前）
３転送後のレシートの返送
転送タイプ
１ファイルの転送（更新の場合には、既存のファイルが存在する必要はない）
２クライアントファームウェアの転送（現在のものを置換する）
３クライアントＩＳＯコードの転送（現在のものを置換する。ＩＳＯコードは、ＣＤＲＯＭデータフォーマット（例えば、ＩＳＯ９６６０）及びＩｎｔｅｒｎａｔｉｏｎａｌＯｒｇａｎｉｚａｔｉｏｎｆｏｒＳｔａｎｄａｒｄｉｚａｔｉｏｎ（ｗｗｗ．ｉｓｏ．ｏｒｇ）によるその他のデータ規格を含んでいる）
４圧縮されたアーカイブの転送（ターゲット場所において圧縮解除される）
サブタイプ２１：アプリケーション転送回答
認可又は拒絶を通知するべく使用される。
バイトサイズ説明
１許容／拒絶
８転送ＩＤ（転送が認可された場合にのみ追加される）
サブタイプ２２：アプリケーション転送コンテンツ部分
これらのデータグラムは、転送用の実際のデータを保持している。
４オクテットの「コンテンツ部分」フィールドが、単一の転送において、最大２５６＾４個の部分を許容することになり、これは、（例えば、それぞれ１Ｋのデータを保持するデータグラムを使用する場合に）、サイズが４ギガバイトを上回るアプリケーション、画像、及びアーカイブの転送を提供することになろう。
「転送部分」フィールドは、１から始まり、転送される各部分ごとに１ずつ増分され、転送の終了を通知するべく、０（ゼロ）の「転送部分」を有する６、２２データグラムを送信する。
バイトサイズ説明
８転送ＩＤ
４転送部分
ｎデータコンテンツ
サブタイプ２３：転送レシート
転送されたアプリケーションのチェックサムである。
バイトサイズ説明
１ＣＲＣタイプ
ｎ転送されたアプリケーションのチェックサム
メイジャータイプ７：リアルタイムマルチメディア転送
このタイプのデータグラムは、マルチメディアコンテンツのクライアント間伝送をサポートするべく利用される。
サブタイプ１：転送要求
伝送を開始するための許可を要求するべく使用される。
バイトサイズ説明
４受領者ユーザーＩＤ
２メディアコンテンツタイプ
４必要な最小帯域幅（単位：Ｋビット／Ｓ）
メディアコンテンツタイプ
タイプ説明
１５ＫＨｚ、８ビット、１チャネルオーディオ
２８ＫＨｚ、８ビット、１チャネルオーディオ
３１１ＫＨｚ、８ビット、１チャネルオーディオ
４１１ＫＨｚ、８ビット、２チャネルオーディオ
５２２ＫＨｚ、１６ビット、２チャネルオーディオ
６４４ＫＨｚ、１６ビット、２チャネルオーディオ
サブタイプ２：転送回答
バイトサイズ説明
４受領者ユーザーＩＤ
１許諾（１）又は拒絶（０）
４コンテンツストリームＩＤ（受信クライアントによって発行され、要求が許諾された場合にのみ存在している。）
サブタイプ３：メディアストリームパケット
これらのデータグラムは、伝送を構成する個々のパケットを搬送する。
バイトサイズ説明
４受領者ユーザーＩＤ（受領者リストを使用する場合には、０である。）
４コンテンツストリームＩＤ
ｎストリームパケット（コンテンツデータ）
サブタイプ４：伝送終了
伝送の終了（伝送元から送信された場合）又は伝送の異常終了（受領者から送信された場合）のいずれかを通知するべく、送信者及び受領者の両方から発行可能である。
バイトサイズ説明
４受領者ユーザーＩＤ（受領者リストを使用する場合には、０である。）
４コンテンツストリームＩＤ
サブタイプ５：受領者リスト管理
講義や会議通話（ＶｏＩＰ）などの１対多の伝送を実行する際には、これらのデータグラムにより、リスト全体の受領者に対するデータの配布を管理可能である。
バイトサイズ説明
１アクション
ｎデータ
アクションの定義
アクション説明
０受領者リストの削除（１組の場合）
１リストに対する１つ又は複数のユーザーの追加（データとして、空白で区切られたユーザーＩＤのリスト）
２リストからの１つ又は複数のユーザーの除去（データとして、空白によって区切られたユーザーＩＤのリスト）
サブタイプ６：伝送転換要求
これらのデータグラムにより、クライアントは、その「伝送終了」通知を別のユーザーに対して転送することができる。
バイトサイズ説明
４受領者ＩＤ
２メディアコンテンツタイプ
４必要な最小帯域幅（単位：Ｋｂｉｔ／Ｓ）

例２：オブジェクトベクトルに基づいたスーパークラシファイア及びバイオメトリックス
図２を参照すれば、オブジェクトベクトルスーパークラシファイアが示されている（これをマルチクラシファイアとも呼ぶ）。複数のデータオブジェクトベクトルがイベントレベル認証に使用されている。図２のオブジェクトベクトル１、２、及び３を含むデータベクトルオブジェクトから算出された優位な又はランダムな合計に基づいて分類決定を実行可能である。ここでは、それぞれのオブジェクトベクトルは、クラシファイア１〜Ｎの中の１つ又は複数のクラシファイアに接続されている。即ち、複数のオブジェクトベクトルから特徴抽出を実行した後にクラシファイアの組に変換可能であり、このクラシファイアの組が集合的にスーパークラシファイアを構成している。イベント固有の変換は、イベントに基づいた特徴の特性を示す相対的に単純な分布を提供する。

スーパークラシファイアを使用するユーザー認証の一例は、バイオメトリックスに関係するものである。本開示の一実施例においては、スーパークラシファイアは、例えば、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識を含む物理的なバイオメトリック計測との関連で使用されている。別の実施例においては、スーパークラシファイアは、個人の振る舞いの癖やパターンを含む行動バイオメトリック計測との関連で使用されている。

イベントに基づいた認証セッションと、これらのユーザー固有のイベントに基づいたオブジェクト分析の選択及び実行により、オブジェクト決定分析において２値構造の識別又は導出の可能性が増大する。２値構造をスーパークラシファイアに追加することに伴って、認証セッションを高い確率で評価可能である。

以上の説明、特定の例、及びデータは、模範的な実施例を示しているが、これらは、例示を目的として提示されており、本開示の様々な実施例を限定することを意図するものではない。本明細書において引用されたすべての参照文献は、その引用により、部分的且つ全体的に本明細書に包含される。当業者には、本明細書に含まれている説明及びデータから本開示の範囲に属する様々な変更及び変形が明らかとなろう。従って、それらの変更や変形も本開示の様々な実施例の一部と見なされる。
付記１：発話者検証におけるオブジェクト分類
分類と確率密度の推定
発話者検証は、ターゲット発話者（Ｉ）（オブジェクトのユーザー）と詐称者（−Ｉ）（オブジェクトの加害者）という２つのクラスが関係しているその他のデータオブジェクトと類似した分類問題である。この場合に、分類を実行するには、発話者の音声の録音から導出された計測値の組が必要である。これらの計測値は、次のように、Ｄ次元のベクトルとして簡便に表現される。

それぞれの発話者は、観察の尤度を計測する確率密度関数によって特徴付けられる。

この確率密度は、次の式によって特徴付けられている。

ここで、Ｐ（Ｉ）とＰ（−Ｉ）は、それぞれ、ターゲット発話者の試行と詐称者の試行の事前確率である。発話者検証においては、観察

が付与された場合の対象の発話者Ｉの事後確率が、関心の的である。
この事後確率は、ベイズの法則により、次のように算出可能である。

Ｉと−Ｉは、相互に排他的であるため、次式が得られる。

即ち、観察

が付与された場合にそのアイデンティティクレームが正しい確率と、その他の発話者（Ｉではない）が話している確率の合計は、１に等しい。分類の目的に事後確率

を使用することは魅力的であり、アイデンティティクレームは、次の法則によって受諾又は拒絶される。

これらの密度は、領域

においてオーバーラップしており、この結果、ベイズ誤り率が０を上回ることになる。この決定法則を使用するクラシファイアは、ベイズクラシファイアと呼ばれる。ベイズクラシファイアの誤り率は、次式に等しい。

実際には、確率関数

は、未知であり、近似のみ可能である。従って、実際の決定戦略の誤り率は、平均でベイズの誤り率を下回らない誤り率を具備するように拘束される。
事後確率とリスクの極小化
平均誤差は、ターゲット発話者の拒絶（ＴＡ誤り）

と、詐称者の受諾（ＩＲ誤り）

という２つの項から構成される。
事後確率を使用してサンプルを分類することは、基本的に、最大尤度に従って分類することと同じである。しかしながら、全体的な誤り率は、詐称者とターゲット発話者の試行の相対的な数によって左右される。詐称者の試行がターゲット発話者の試行よりも格段に頻繁な場合には、全体的な絶対誤差が、相対的に、ＥＩにではなく、Ｅ−Ｉによって左右されるため、クラスＩである可能性が高い場合にも、いくつかのサンプルをクラス−Ｉと分類することになる。換言すれば、ＥＩを犠牲にして、Ｅ−Ｉが極小化される。これらの誤り率を最適にバランスさせる方法は、詐称者／ターゲット発話者の試行（オブジェクト試行）の相対的な数を反映するように事前確率を決定する方法である。
事前確率の割り当ては、ＴＡ及びＩＲの誤りをバランスさせる１つの方法に過ぎない。一般に、これら２つのタイプの誤差は、異なる結果を具備しており、従って、分類誤りのコストを反映したバランスを実現することが望ましい。この場合には、Ｐ（Ｉ）及びＰ（−Ｉ）は、次式によって置換される。
Ｃ（Ｉ）＝Ｐ（Ｉ）Ｃ（¬Ｉ｜Ｉ）式１．１４
Ｃ（¬Ｉ）＝Ｐ（¬Ｉ）Ｃ（Ｉ｜¬Ｉ）式１．１５
ここで、Ｃ（Ｉ｜¬Ｉ）は、¬ＩサンプルをＩとして分類した場合のコストである。この分類は、ここでは、事後確率ではなく、リスクに従ったものになっている。

式１．６と同様に、次の決定法則が得られる。

ＴＡ及びＩＲの誤りをバランスさせる問題に対する更に実際的なアプローチは、Ｅ_I又はＥ_-Iの許容可能な誤り率を先験的に判定し¹、次いで、これを使用して（並びに、拡張Ｐ（Ｉ）及びＰ（−Ｉ）によって）決定表面を判定する方法である。どのような方法を選択しても、クラス尤度

及び

を推定するという実際の問題は同様に残る。
確率推定
決定法則を実装する１つの方法は、試験環境において、確率密度

及び

を別個に推定し、ベイズの法則を使用して、尤度を、

の代わりに使用可能な確率に変換する方法である。
しかしながら、検証（これは、その発声変換によって２値データオブジェクトになる）の問題が尤度比

にのみ依存しているため、このソリューションは、必要以上に大規模である。
ＬＲ（−ｘ）の観点においては、決定関数２．６は、次のようになる。

クラスＩ及びクラス−Ｉの間のベイズ決定表面は、次式によって特徴付けられる。

分類のためには、試験サンプル

が決定表面のどちらの側に属しているかを知ることだけが必要である。図２．１に付与されている例においては、この表面は、可能な限り単純であり、単一ポイントｘ＝ｔであって、ここで、ｔは、決定閾値である。
パラメトリック及び非パラメトリック分類は、区別されている。この違いは、クラス分布に関する事前の仮定にある。パラメトリック分類の場合には、分類対象のサンプルが、確率密度関数の狭く定義されたグループに属していると仮定しており、非パラメトリック分類の場合には、事前分布に関する弱い仮定のみを行っている。従って、非パラメトリック分類のほうが、より一般的であるが、パラメトリッククラシファイアは、具備する自由度が少ないため、構築が相対的に単純である。
パラメトリック分類
パラメトリック分類の一例として、クラス（ｊ＝１、２）が、次の正規確率密度によって特徴付けられていると仮定することができよう。

この場合には、

が

によって与えられる。
これは、二次関数である。この２つの分布が同一の共分散行列を共有している（Ｓ１＝Ｓ２＝Ｓ）と更に仮定すれば、これは、次式に単純化される。

左：このクラスは、類似した平均
μ₁＝１５、μ₂＝１７
を具備している。
右：このクラスは、異なる平均
μ１＝１５、μ２＝２７
を具備している。
右の例においては、ベイズ決定表面は、線形関数によって良好に近似可能であり、この場合に、

である。
これは、線形関数である。弁別分析においては、式１．２２は、Ｆｉｓｈｅｒの線形弁別関数と呼ばれている。前述のように、この弁別関数は、同一の共分散行列によって特徴付けられた正規分布クラスには最適であるが、その有用性は、これを上回っている。これは、安定した関数であり、クラス分布が「球雲」の形態を具備している場合には、（最適ではないが）これを使用して良好な結果を得ることができる。実際に、（式１．２２ではなく）式１．２１が最適な弁別関数であることが判明している場合にも、式１．２２は、相対的に良好な結果をもたらすことができる（Ｒａｕｄｙｓ及びＰｉｋｅｌｉｓ１９８０年）。式１．２１を使用する際の問題は、限定されたサンプルセットからＳ１及びＳ２の良好な推定値を得ることが困難であるということである。これは、特に高次元の空間の場合に当てはまる。
この線形クラシファイアは、Ｓ１及びＳ２（２次モーメント）よりも推定が容易な一次モーメント（平均）
μ１＆μ２
に基本的に依存しているため、推定誤差の影響を受けにくい。必要に応じて、線形クラシファイアは、Ｓが対角であるものと仮定することにより（又は、Ｓがアイデンティティマトリックスと等しいと仮定することにより）、更に単純化可能である。
例
図２は、２つの正規分布クラスの１次元密度関数の２つの例を示している。いずれの例においても、分散が異なっている

ため、ベイズの決定表面は二次である。
ケース１の場合には、平均値は、
μ₁＝１５、μ₂＝１７
であり、ケース２の場合には、
μ₁＝１５、μ₂＝２７
である。
等しい前提を仮定すると、式１．２１を使用して決定法則を判定可能である。

従って、次の決定法則が得られる。

誤り率は、次のとおりである。
Ｅ＝（１／２）（Ｅ１＋Ｅ２）＝（１／２）（０．３０＋０．０７）≒１８．８％
線形の場合には、式１．２２から次式が得られ、

これは、次の決定法則に結び付く。

誤り率は、（０．４０＋０．１６）／２≒２８％である。二次クラシファイアは、ここでは、線形クラシファイアよりも格段に優れている。ケース２においては、対応する決定法則は、二次クラシファイアの場合には、

であり、線形クラシファイアの場合には、

となる。平均誤り率は、それぞれ、０．００７％と０．０３％であり、これらは、いずれの決定法則においても、非常に小さい。しかしながら、相対的に、二次決定法則のほうが依然として格段に正確である。これは、それが二次であるためではない。次式のような線形決定法則は、二次決定法則と同一の小さな誤り率を具備している。

従って、性能における違いは、ここでは、事前分布に関する仮定によって発生している。
線形対非線形決定表面
先験的に、

に対する解が、

において線形であると仮定することにより、クラシファイアの設計が簡単になる。非線形クラシファイアは、１．２９に対する解を相対的に大きな組（これは、通常、特殊なケースとして線形ソリューションを含んでいる）から導出可能であるため、非線形クラシファイアは、相対的に強力である。但し、この線形性は、

を意味しているが、ベクトル

は、クラシファイアに付与する前に「事前処理」可能であるため、線形決定表面の仮定に関する制限は、なにも存在していない。例えば、所与の２Ｄ問題における最適な決定表面

が、

という形態を具備していると仮定しよう。
分類が、ｘ₁及びｘ₂の観点ではなく、

の観点で実行される場合には、線形クラシファイアは、この決定表面を実装可能であり、この場合に、

である。
換言すれば、２Ｄ二次決定関数は、５Ｄ空間において、線形関数によって実装可能である。
非パラメトリック分類
図３は、発話者認識システム内におけるクラス（発話者又はオブジェクト）分布、又はオブジェクト認識エンジンが、どのように見えるかの現実的な例を示している。
所与の発話者からの観察が正規分布から導出されるという仮定は、ここでは、妥当である。
Ｆｉｓｈｅｒの弁別関数は、２つの発話者間の弁別には適している（且つ、このケースでは、所与のデータソースを収容するオブジェクトに匹敵している）が、１つのターゲット発話者と母集団の残りの発話者間を弁別するには、明らかに不十分な（２Ｄの）モデルである（個別の発話者を母集団内のその他の発話者の大部分から分離するラインを引くことができない）。実際に、詐称者クラスは、単純なパラメトリック分布によって十分にモデル化するには余りに複雑である。これは、多くのパターン分類問題に共通した状況である。非パラメトリック分類及び確率密度推定の技法として、いくつかのものが存在している。

非パラメトリック確率密度推定
非パラメトリック確率密度推定とは、既知のクラスメンバーシップを有するサンプルのトレーニングセットが与えられた場合に、それが存在するということ以外に、この関数に関してなにも仮定することなしに、クラスを特徴付ける実際のＰＤＦを近似したＰＤＦを構築する問題である。
ヒストグラム法則
非パラメトリック密度推定に対する最も単純なアプローチは、特徴空間をサイズｈ^Dの容積ｖに分割する方法である（ここで、ｈは、Ｄ次元のハイパーキューブの辺の長さである）。この場合には、所与の試験サンプル

の尤度を、それが属する容積

を識別し、この容積に属しているトレーニングサンプルの相対的な数を演算することにより、演算可能である。

ここで、

は、

が属する容積

内に属しているサンプルの数であり、Ｎは、トレーニングセット内のサンプルの合計数である。
１．２．２ｋ−ＮＮ（ｋ−ＮｅａｒｅｓｔＮｅｉｇｈｂｏｕｒ）
ｋ−ＮＮのＰＤＦ推定によれば、決まった数のトレーニングサンプル（ｋ）がそれぞれの容積内に属するように、異なる容積のサイズを変化させることにより、パラメータｈを選択する問題が除去される。この結果が、特徴空間の所謂Ｖｏｒｏｎｉパーティション（モザイク）である。図４に、この一例（ｋ＝１）が示されている。
しかしながら、ヒストグラム法則と同様に、確率密度推定が不連続であり、セルの境界の異なる側の２つの隣接するサンプルは、それらの間の距離が任意の小さなものであってよいという事実にも拘らず、一般に、異なる尤度を具備している。又、いくつかのセルが無限の容積を具備し得るため、Ｖｏｒｏｎｏパーティションは、境界問題をも具備しており、これは、これらのセルに属するサンプルが、ゼロの尤度を具備することを意味している。

カーネル関数
ヒストグラム法則の別の一般化は、

をカーネル関数の合計として算出する方法である（Ｈａｎｄ１９８２年）。

カーネル

の形状は、

の特性を決定する。例えば、均一なカーネル

は、基本的に、ヒストグラム法則に結び付き、ここで、

が連続関数の場合には、

も、同様に連続的である。ガウスカーネルが一般的な選択肢である。

がＰＤＦを近似しており、これは、自動的に、

がＰＤＦであることを意味しているため、

を課すのが便利である。

尤度
図５は、図３に対応する密度関数のカーネル推定である。カーネル関数は、一般に、特徴空間内に不均一に配置される。従って、単純なヒストグラム法則とは異なり、特徴空間のいくつかの領域が、まったく「モデル化」されず、且つ、その他の密度関数が複雑なところにおいては、密度をモデル化するべく、いくつかのカーネル関数がオーバーラップすることになる。
例えば、図３に示されている密度関数を近似するには、特定の発話者のサンプルが属している円形領域のそれぞれの中心に対応した中心を有する１０個のカーネルを使用するのが妥当であろう。この場合に、ｈは、所与の発話者データの標準偏差に妥当に対応している必要がある。この一例が、図１．５に示されており、ここでは、ガウスカーネルを使用している。
非パラメトリック分類
ＰＤＦを推定する目的は、決定法則１．６において使用可能な事後確率を演算できるようになることである。しかしながら、この中間段階を伴うことなしに、１．６を直接実装することが可能である。これを行う方法は、基本的に、特徴空間を複数の領域にパーティション化し、その領域内に属するサンプルが（恐らく）属しているクラスに従って、それぞれの領域にラベルを付加する方法である。
ｋ−ＮＮ法則を分類に使用する方法を理解するのは、困難ではなく、セル内のｋ個のサンプルの大部分が属するクラスに従って、それぞれのＶｏｒｏｎｉセルにラベルを付加する。結果的に得られる決定表面は、部分的に線形となる。

クラシファイアは、カーネル関数に基づいたものであってもよい。この場合には、ＰＤＦの制約を満たす必要がないため、カーネル関数Ｋ（）に対する要件が軽減される。動径基底関数（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ：ＲＢＦ）ネットワークが、カーネル関数に基づいたクラシファイアの一例である。
基底関数の動径の極大化
ＲＢＦネットワークの場合には、基底関数の動径を考慮することにより、基底関数に対して構造を強制することができる。

基底関数は、ｈが小さいほど、大きく「スパイク」する。スパイクした基底関数は、特徴空間の非常に小さな領域に対してのみ敏感であり、オーバートレーニングを意味している。幅の広い（ｈが大きい）基底関数は、特徴空間の大きな容積をカバーし、ｈが大きいほど、基底関数は、常にアクティブな単純なバイアスに似ることになる。従って、大きな動径を具備するようにトレーニングされたネットワークは、一般化できる可能性が大きく、動径は、トレーニングセットに対する分類性能を大幅に損なわないレベルまで拡大する必要がある。
クラシファイアアンサンブル
限られた複雑性しか有していない場合にも、そのパラメータの推定に使用するトレーニングアルゴリズムが、最適化基準のグローバルな最小値を判定することができず、ローカルな最小値の判定しかできないという点が、（特に、ニューラルネットワークにおける）多くのモデルの問題点である。このため、同一のデータについていくつかのクラシファイアをトレーニングし、これらのネットワークを使用して、新しい「スーパークラシファイア」を生成することが有用であろう。異なるネットワークの組み合わせは、パラメータドメインにおいては、容易に実行できないが、異なるローカル最小値を表すネットワークは、問題の異なる部分をモデル化する可能性が高く、個々のクラシファイアの平均出力として定義されるクラシファイアは、一般に、個々のクラシファイアのいずれよりも良好に稼働することになる。Ｎ個のクラシファイアの個別の平均二乗誤差率（式１．４０）をＥ₁，．．．，Ｅ_Nと表記し、ネットワークが誤差を独立的に生成するとするならば、クラシファイアのアンサンブルの予想平均二乗誤差率は、次式によって与えられるとされている（Ｐｅｒｒｏｎｅ及びＣｏｏｐｅｒ１９９４）。

従って、誤差が相関していない限り、クラシファイアアンサンブルの性能は、更なるネットワークを追加することによって改善可能であり、平均二乗誤差率は、ネットワークの数が倍増するごとに半分に低減する。
パーセプトロンタイプのモデルの場合には、重みを別個に初期化することにより、異なるローカル最小値を表すネットワークを容易に生成可能である（Ｈａｎｓｅｎ及びＳａｌａｍｏｎ１９９０年、Ｂａｔｔｉｔｉ及びＣｏｌｌａ１９９４年）。Ｂｅｎｅｄｉｋｔｓｓｏｎ他（１９９７年）の場合には、異なるデータ変換を使用して変換されたデータについて、個々のネットワーク（パーセプトロン）をトレーニングしている。Ｊｉ及びＭａ（１９９７年）は、特に、弱いクラシファイア（パーセプトロン）を選択して組み合わせるアルゴリズムを提案している。
発話者検証
ランダム化された環境における発話者検証とオブジェクトの処理は、パターン認識問題であり、弁別を要するのが、ターゲット発話者又はオブジェクトと詐称者という２つのクラス（パターン）のみであるため、概念的には非常に単純である。しかしながら、特徴空間において２つのクラスを分離することは容易ではない。クラス分布が複雑であり、実際には、非パラメトリック技法を使用してモデル化しなければならない。ニューラルネットワークは、この種の問題にとって魅力的なクラシファイアであり、その特殊なトレーニング体系により、これらは、発話者又はオブジェクトを十分に弁別する特徴空間の領域のモデル化に焦点を合わせることができる。
しかしながら、多くのトレーニング又はオブジェクト学習アルゴリズムに伴う問題は、これらが、モデルパラメータの最適値を保証できないという点である。この場合には、その一般化能力を向上させる制約をモデルに対して加えるべく、構造的リスク極小化技法を使用可能である。この準最適なパラメータに伴う問題に対する別のアプローチは、アンサンブル技法を使用するものであり、単純な準最適なクラシファイアのアンサンブルを組み合わせることにより、更に強力で安定した新しいクラシファイアを形成可能である。クラシファイアアンサンブルの誤り率は、原則的に、アンサンブルメンバの数に逆比例するため、アンサンブル法は魅力的である。
付記２：ＲＢＦに基づいた音素モデル化によって例示するオブジェクト分析

この例は、クラシファイアアーキテクチャを提示するものであり、これは、イベントレベルにおいて発話者検証に適用可能であるが、所与のオブジェクトデータタイプに使用可能な方法の一例として見なす必要がある。クラシファイア（ＲＢＦネットワーク）は、自身の動作の基礎をなすイベントを自分自身で識別することはできず、これを実行のために、特徴抽出プロセスに依存している。図１．１は、クラシファイアアーキテクチャを概略的に示している。発話信号をセグメント化するべく、隠れマルコフモデルを使用している。隠れマルコフ音素モデルは、正規分布の混合として音素セグメントをモデル化しており、この場合に、この混合の平均と共分散は、状態遷移の際の離散した時点において変化する。これらの離散した変化は、理想的には、連続的であるべきであるが、これは、モデル化が困難である。
音素セグメントの識別が完了した後に、新しい特徴の抽出を実行し（１．１節）、これにより、それぞれの個別の音素セグメントを単一の特徴ベクトルによって表現する。音素全体の観察を表す特徴ベクトルを、ここでは、音素ベクトル

と呼ぶことにする。
音素ベクトルの抽出が完了すると、もはや信号には時間情報が含まれておらず、その音素ベクトルが一定の期間にわたって連続的に計測されたという事実は無関係であり、発話者アイデンティティに関する情報を含んではない。更に¹、２値形態の声紋が、２値オブジェクトを完全に一意にする（真の）ランダム発声モデルに基づいて「生成」される。これが基本的に意味するものは、そのベクトルモデルがランダムベクトルｎⁿになるということである。
ここで使用されている基本的な特徴表現は、フィルタバンクエネルギーの観点におけるものであり、従って、信号利得を除去するべく、音素ベクトルを正規化する必要がある（１．２節）。これに続いて、発話者確率

を演算するＲＢＦネットワークに対する入力として最終的に伝達する前に、これらに、次の変換１を適用する。

フレームの選択
音素持続時間は、音素のコンテキスト、全体的な発話のテンポ、及びその他の要因の関数であり、音素持続時間は大きく変化する。静的なモデル化法の場合には、決まった数の特徴によって音素を表す必要がある。これは、マルコフセグメント化を使用して実行可能であり、この場合には、それぞれの音素を、音素モデル内の異なる放射マルコフ状態に対応するいくつかのサブセグメントにセグメント化する。可能な表現体系は、次のとおりである。
（１）新しい「可変」フレームセグメント化（並びに、発話パラメータ化）を演算する。この場合に、新しいフレーム長を合計音素セグメントの整数分の１になるように調節する。これは、相対的に演算集約的であるが、音素セグメント全体を使用するという点が、利点である。
（２）音素セグメントの代表として、決まった数（Ｎ）の既存フレームを選択する。次のようないくつかのフレーム選択戦略が考えられる。
（ａ）線形選択：音素セグメントから、Ｎ個の線形で離隔したフレームを選択する。
（ｂ）サブセグメント選択：それぞれのサブ音素セグメントから１つのフレームを選択する。表現の均一性を助長するべく、一貫性をもって選択を実行する必要がある（例えば、別個のＨＭＭ状態によってモデル化されたそれぞれのサブ音素セグメント内の中央フレームを常に選択する）。これを推奨する理由は、音素セグメント内においてスピーチ信号が経験する「移動平均」遷移における同一ポイントを中央フレームが表しているという仮説にある。
（ｃ）最大尤度の選択：最大の尤度を具備するフレームをそれぞれのサブ音素セグメントから選択する。
適切なフレームの識別が完了した後に、対応する特徴ベクトルを「連結」し、１つの長いベクトルを形成する。
選択体系２Ａ及び２Ｂは、非常に類似しているが、アンサンブル法と関連し（２．７節）、同一音素の「異なる」音素モデルを生成するべく、フレーム選択戦略の変形を使用可能であるため、２Ｂをフレーム選択戦略として使用することを選択した。この選択体系２Ｂは、例えば、中央フレームの代わりに、それぞれのサブセグメント内の最も右の又は最も左のフレームを選択することにより、容易に変更可能である。
正規化
発話信号のフィルタバンク表現に伴う問題は、信号利得が十分に制御されないということである。信号利得は、発話者の発話レベル、マイクロフォンまでの距離、口とマイクロフォンの間の角度、及び録音装置に依存している。これは、絶対利得を発話者認識に使用することができず、正規化しなければならないことを事実上意味している。通常の発話処理と同様に、ここでも、対数フィルタバンク表現を使用する。これは、それぞれのフィルタバンクからのエネルギー出力の対数を使用することを意味している。１を下回るエネルギー出力は、破棄される。これらは、雑音を表している可能性が高く、ｌｏｇ関数の特異な振る舞い²に起因し、これらのエネルギーをモデル化しないことが最良である。

対数エネルギードメインにおいては、利得ファクタは、加法的なバイアスになる。

ここで、ベクトルのｌｏｇ（）の取得は、ｌｏｇ（）関数をすべてのエネルギーベクトル要素に適用することを意味している。同様に、スカラー及びベクトルの加算（乗算）は、スカラーをすべてのベクトル要素に加算（乗算）することを意味している。スケールが適切でないため、音素ベクトルがノルム１を具備していると仮定する。

ノルムのスケーリングの後に、次式が得られる。

従って、利得は、

のノルムを演算し、次のように、フィルタバンク出力から対数のノルムを減算することによって、除去可能である。

データを更に均質化するべく、ここでは、ベクトル

を、ノルム１を具備するように正規化している。
独立した利得ファクタが、それぞれのフィルタバンクチャネルに関連付けられている場合には、この結果、バイアスベクトルが特徴ベクトルに加算されることになる。このタイプの利得は、１つの特定の特徴ベクトルを見ることによっては除去不可能であり、代わりに、１つの発声における平均エネルギー出力を推定することによって補償することができる。
バイアスの除去は、現実的に有用な発見的方法であるが、推定されるバイアスが、発声の音声コンテンツに依存しているため、実際には、簡単な問題ではない（Ｚｈａｏ１９９４年）。ここでは、この発見的方法を使用しない。
ＲＢＦトレーニング
関数

（ここで、Ｓは、活性化関数スケールである）と、

（ここで、Ｄは、入力ベクトルの次元である）を演算するのに使用される音素（Φ）と発話者に基づいたＲＢＦネットワークに入力される前に、正規化された音素ベクトルには変換が適用される。基底関数スケールＣ_iと分散

は、ネットワークが最適なベイズ弁別関数

を近似することを保証する

によって制約されている。
このためには、いくつかの技法を使用可能である（Ｐｒｅｓｓ他１９９５年、Ｂｉｓｈｏｐ１９９５年）。このケースにおいては、最も簡単な方法は、勾配降下を使用する方法である。この理由は、この場合には、勾配の演算が簡単であるためであり、ネットワークのサイズに起因し、トレーニングアルゴリズムは、共役勾配又はＱｕａｓｉ−Ｎｅｗｔｏｎ法が不要なほどの高速で収束する。勾配降下は、反復的な技法であり、反復ｔにおけるパラメータは、次式に従って更新される。

ここで、

であり、

且つ、

である。
ここでは、勾配を、すべてのトレーニングサンプルにわたって合計として演算するべく示されている。トレーニングプロセスを加速するべく、通常、この要件は、勾配を演算しパラメータを更新するための基礎としてサブセット（又は、場合によっては、個別のサンプル）を使用するように緩和される。これは、トレーニングデータが「周期的」¹である場合には、妥当である（注記１：ここで、この周期は、ターゲット発話者パターンと詐称者発話者パターンがそれぞれの周期において提示されるように、少なくとも２つである必要がある。より一般的には、それぞれの更新が個別の音素観察の組（例えば、異なる音素コンテキストに対応するもの）に基づいたものになるように、周期を増大させることができよう。これを行わないと、学習が「異常」になる傾向を有することになり、ネットワークが、最も最近提示されたトレーニングトークンにバイアスされるようになり、以前に教えられた情報のいくつかを「忘却」する）。
勾配等式の形態は、理解が相対的に容易である。これらの勾配等式は、いくつかの共通項といくつかの特定項を具備している。
すべての勾配の共通項は、サンプルを誤分類しない限りゼロである誤差項

を含んでいる。従って、これらのパラメータは、サンプルが正しく分類された場合には、更新されない。誤分類の場合には、ターゲット出力が負であれば、誤差項は、正であり、ターゲット出力が正であれば、負である。その他のものと比べて、１つのクラス誤り率を強調するべく、誤差項には、クラスに依存した重みを付与可能である。例えば、トレーニングセットに含まれているターゲット発話者パターンは、相対的に少ないため、ターゲット発話者パターンに対して相対的に大きな重みを付与可能であり、この結果、クラシファイアは、豊富な詐称者発話者パターンよりも、これらのパターンを「過剰学習」する可能性が高くなる。
すべての勾配内に存在している第２の項は、

である。
この項は、

である場合に、即ち、パラメータ

が大きなマージンによって誤分類された場合に、パラメータの変化を防止する効果を具備している。トレーニングセットが、既存のパラメータの小さな変化によっては正しく分類できない異常値を含んでいる場合には、これは、直観的に有用である。
すべての勾配が共有している第３の項は、基底関数出力

であり、これは、ゼロと１の間の値である。従って、所与の基底関数に関係するパラメータは、サンプル

が、

が活性化されたハイパー楕円領域内に属していない限り、更新されない。
重み
誤分類されたサンプルにおいて、ターゲット出力が正である場合には、重みが増大し、それ以外の場合には、減少するようように、重みを更新する。最終のクラシファイアにおいて、正の重みを有する基底関数は、クラスＩを表しており、負の重みを有する基底関数は、クラスθ_Iを表している。
平均
ターゲットクラスを表す基底関数（ｓｉｇｎ（ｗ_i）＝ｓｉｇｎ（ｔ_p））は、誤分類されたサンプルに接近し、反対のクラスを表す基底関数は離れる。このステップサイズは、個別の基底関数

を「活性化」する方法、基底関数の動径

、誤分類されたポイントまでの距離、並びに、いつものように、分類誤りのサイズに依存している。
基底関数スケール
基底関数の幅は、Ｃ_iによって制御される。
ターゲットクラスを表す基底関数の場合には、それらの基底関数の影響範囲内にそのサンプルを含むように、Ｃ_iを減少させる（幅を増大させる）。反対のクラスを表す基底関数の場合には、これらの基底関数の影響範囲からサンプルを排除するべく、Ｃ_iを増大させる（幅を減少させる）。
分散の更新は、ターゲットクラスを表す基底関数における基底関数の幅の拡大、及び反対のクラスを表す基底関数の幅の減少と同じ効果を具備している。
分散
分散

は、個別の特徴要素の相対的な分散を規定している。この分散は、個別の要素の統計的な分散に必ずしも対応してはおらず、むしろ、特徴の重要性に対応している。分類にとって重要性の乏しい特徴成分に対しては、それらが基底関数の活性化に相対的に少ない影響を及ぼすように、大きな「分散」を付与可能である。
活性化関数スケール
活性化関数のスケールＳは、パーセプトロンによって実装されたハイパープレーンの正しい側のサンプルについては増大させ、正しくない側のサンプルについては減少させる。しかしながら、サンプルの分類は、Ｓの更新によって改善又は変更されない。従って、学習アルゴリズムが、誤り率の極小化を目的としてＳの値を変更することはない。但し、確率エスティメータとしてＲＢＦモデルを改善するために、活性化関数スケールを後で調節可能である。
初期化
反復トレーニングアルゴリズムは、ネットワークパラメータの初期推定値を必要としている。ＲＢＦネットワークのパラメータは、ＭＬＰの重みよりも、格段に解釈が容易であり、従って、ランダム値を使用して初期化する必要はない。具体的には、それぞれ、ターゲット発話者とコーホート発話者を表す妥当な基底関数を演算するべく、クラスタリングアルゴリズムを使用可能である。ターゲット発話者の基底関数に対応する重みは、

となるように初期化可能であり、ここで、

は、Ｉ番目のターゲット発話者クラスタに属しているトレーニングサンプルの数である。同様に、コーホート発話者の基底関数に対応する重みは、

となるように初期化可能である。
バイアスの重み（ｗ₀）は、ゼロを下回る値に初期化する必要があり、ネットワークが、基底関数を活性化しない音素ベクトルと共に提示される場合には、分類は、¬Ｉ（拒絶）である必要がある。
トレーニングアルゴリズムの収束は、基底関数の初期化に決定的に依存しているが、実際には、重みの初期化に対して敏感ではない。従って、重みは、単純に（［−１；１］の範囲内の）ランダム値に初期化可能である。
事後確率
ＲＢＦネットワークは、トレーニングセットに関する平均二乗誤差率を極小化するべくトレーニングされる（式１．９）。この誤差基準の極小化により、ＲＢＦネットワークは、

によって付与される最適な（ベイズ）弁別関数を近似することになる。
この重要な事実は、いくつかの著者によって既に証明されている（Ｒｕｃｋ他１９９０年、Ｒｉｃｈａｒｄ及びＬｉｐｐｍａｎｎ１９９１年、Ｇｉｓｈ１９９０年ａ、Ｎｅｙ１９９１年）。

は、最適な弁別関数を近似するが、これが、原則的に、この関数を正確に実装する能力を有しているかどうかの回答がまだ残っている。ＲＢＦネットワークの出力に存在しているスカッシング関数ｔａｎｈ（）は、実装可能なＲ^Dから［−１；１］へのマッピングの数を制限している。例えば、

などの一般的な関数は、無限数の基底関数を具備している場合にも、前述のタイプのＲＢＦネットワークによって実装するのは不可能である。

がこのタイプである場合には、原則的にも演算不可能であることを意味しているため、不運である。
しかしながら、基礎をなす関数

は、非常に柔軟性がある。Ｓｔｏｎｅ−Ｗｅｉｅｓｔｒａｓｓの定理を適用することにより、この関数が、Ｒ^DからＲ¹へのマッピングを任意に十分に近似可能であることを実際に示すことができる（Ｈｏｒｎｉｃ１９８９年、Ｃｏｔｔｅｒ１９９０年）。ｔａｎｈ（ｘ）は、インターバル［０；１］内の値を取ることができる単調関数であるため、関数

を近似するのは、次第である。
しかしながら、活性化関数としてのｔａｎｈ（ｘ）の選択は、任意ではない。例えば、２クラス分類問題において、弁別対象の２つのクラスが、ガウス確率分布

によって特徴付けらている場合を考えてみよう。
ベイズの法則によれば、クラスＩの事後確率は、

によって付与され、ここで、

である。
ＲＢＦネットワークが、弁別関数

を近似する場合には、これは、具備することを所望する形態そのものであり、この場合には、（２．５を使用して）、

が得られ、ここで、

である。
活性化関数スケールの調節
確率推定として、式３３及び式３４は、多少、不十分である。急峻な活性化関数（大きな活性化関数スケールＳ）を使用する場合には、出力は、基本的に２値変数である。活性化関数スケール（Ｓ）は、まず、（理想的には）独立した試験セット

から経験的な活性化関数を推定することにより、調節可能であり、ここで、θ（ｘ）は、ステップ関数

であり、

及び

は、独立した試験セットにおける音素ベクトルである。いまや、Ｐ（Ｉ）＝Ｐ_Iである値

は識別されており（即ち、

である）、活性化関数スケールは、

となるように調節する。
これは、

を選択することによって実行され、ここで、

である。
代替の潜在的に更に正確な方法は、単純にｔａｎｈ（）を経験的な活性化関数（式３６）によって置き換える方法である。
代替の潜在的に更に正確な方法は、単純にｔａｎｈ（）を経験的な活性化関数（式３６）によって置き換える方法である。
バイアスの調節
限られたトレーニングセットからのＲＢＦネットワークのトレーニングは困難である。問題は、通常、トレーニングセットの詐称者の部分ではなく、むしろ、ターゲット発話者の部分である。当然のことながら、この結果、これ自体により、発話者モデルのトレーニングが困難なものになるが、特に、ＴＡ及びＩＲ誤り間の所望のバランスを実現するためのモデルの調節が困難になる。このバランスは、ある程度、様々なトレーニングパラメータによって制御可能である（例えば、ターゲット発話者サンプルとコーホート発話者のサンプルについて、誤差項

を別途にスケーリングしたり、異なる周波数によってターゲット／コーホートパターンを提示したり、或いは、重み／動径ペナルティを使用してモデルを制約する方法による）。しかしながら、これらの手段は、かなり不十分なものであり、更に正確な方法は、ＲＢＦモデルのバイアス（ｗ₀）を調節する方法である。これは、ターゲット発話者

と、詐称者発話者

が与えられた場合に、

の平均及び分散を推定することによって実行可能である。これら２つの変数のガウス分布を仮定した場合には、

となるように、バイアスを削減する（ｂ_new＝ｂ_old−Δｂ）。
この解は、

の根を判定することによって見出すことが可能であり、ここでは、次の略記法が使用されている。

Ｂ＝１の場合には、これは、式１．２６（オブジェクト分類の例）と同一の式である。関心のある解は、

と

の間のものである。
ガウスの仮定が不十分な場合の代替方法は、経験的な活性化関数（式ｘ．３６）を使用する方法である。別の誤りのバランスＢが望ましい場合には、次式に従って、バイアスを調節可能である。

従って、バランスＢを具備ようにオッズ比を調節するには、式４８に対する解

を判定し、バイアスから減算する（ｗ_0,new＝ｗ_0,old−Δｂ）。
Ｂ＝１の場合には、等しい誤り率が近似され、Ｂ＜１の場合には、ＩＲ誤りを犠牲にして、ＴＡ誤りの数が極小化され、Ｂ＞１の場合には、ＴＡ誤りを犠牲にして、ＩＲ誤りが極小化される。
図８は、発話者モデルの組のクラス条件付き経験的分布関数

及び

、並びに、経験的活性化関数

の例を示している。これらの図は、トレーニングデータ及び試験データの両方の関数を示している。

トレーニングデータについては、それぞれ、１６２２及び６４８８のローカルターゲット発話者及び詐称者発話者決定を使用した。試験データについては、それぞれ、３９４及び１５７６のローカル決定を使用した。

トレーニングデータの場合には、経験的な活性化関数は、

の場合には、略ゼロであるが、試験データの場合には、そうではない（発話者モデルが「オーバートレーニング」されている）。図９は、図８と同一の関数を示しているが、バイアス補償後である。
要約すれば、音素に基づいたモデルについて説明した。このモデルは、スペクトル特徴要素の固定ベクトル（音素ベクトル）として音素観察を表す「特徴エクストラクタ」としてＨＭＭを使用しており、モデルのこの部分は、発話者から独立している。音素ベクトルを変換し、最終的に音素依存ＲＢＦネットワークに対する入力として伝達し、これらの音素ベクトルから発話者確率を推定するべくトレーニングする。この発話者確率は、（ローカル）発話者検証決定を生成するべく直接使用可能であり、或いは、更に安定した決定を生成するべく、その他の音素観察から推定されたその他の発話者確率と組み合わせることも可能である。尚、この入力ベクトル（音素）は、オブジェクトに基づいた検証がどのようなものであるかを例示するために説明したものに過ぎない。従って、その他のタイプのバイオメトリックベクトルをトレーニングフィルタと共に使用することも可能である。
付記３：発話者検証によって例示されたオブジェクトベースの意思決定
オブジェクト検証（即ち、この場合には、発話者検証）は、２値決定問題であり、従って、これは、結局、スコアの演算と、所与の閾値ｔをスコアが上回っているか下回っているかを判定することによってアイデンティティクレームを検証することである。

このスコア（即ち、オブジェクト値）の演算の際には、（音素が明確にモデル化されない場合にも）発話信号内のそれぞれの音素セグメントが寄与する。従来のテキストから独立した発話者検証アルゴリズムにおいては、スコア全体に対する異なる音素の寄与（例えば、発声尤度）は、未知であり、全体的なスコアは、試験発声において音素を表している周波数と、それぞれの音素セグメントの持続時間と、に依存している。
個別の音素セグメントによって寄与されるローカルスコアが、発話者アイデンティティを表している程度と、異なる音素が、発話者に関する同一の情報を表している程度が考慮されていないため（例えば、鼻音及び母音は、恐らく、主に補完的な情報を表しており、例えば、２つの後舌母音は、発話者に関する高度に相関した情報を表している）、これは、明らかに最適ではない。
ここで説明するアルゴリズムは、最初の音素セグメントの識別と、それぞれの音素セグメントごとの発話者アイデンティティの独立的なモデル化という２つの部分を具備している。この結果は、いくつかのローカルスコアであり（これは、発声内のそれぞれの異なる音素ごとに１つずつである）、続いて、グローバルな検証決定又はオブジェクトデータのクラスを生成するべく、これらを組み合わせなければならない。
スコアの組み合わせ
弁別関数

を近似するべく、ＲＢＦネットワークをトレーニングする。ここで、

は、音素観察である。

であるため、

が得られ、これを使用することより、単一音素観察用の決定法則を実装可能である。いくつかの独立した音素観察が提供されている場合には、ローカルスコアをグローバルスコアとして組み合わせることにより、更に安定した決定を実行可能である。アンサンブル組み合わせと確率組み合わせという２つの基本的に異なる方法を採用可能である。
アンサンブル組み合わせ
ローカル検証スコアを組み合わせる１つの方法は、単純にローカルスコアを「平均」する方法であり、

ここで、＃Φは、アルファベット内の異なる音素の数であり、＃Φ_iは、音素Φ_iの観察の数であり、

は、音素Φ_iのｊ番目の観察（音素ベクトル）である。観察数の増大に伴って、スコアが範囲［−１；１］内の値に収束するのが、このスコアリング規則の特徴である。この観察数により、大きさが直接影響を受けることはない。
確率組み合わせ
アンサンブル組み合わせの代替方法は、ネットワークが事後確率を算出するという事実を活用した方法である。いくつかの独立した観察

を実行すると、分類の信頼性が上昇すると予想される。

であり、それぞれ、

であるため、これは、オッズ比

を定義することによって表すことができる。
従って、代替スコアリング戦略は、次式を使用する方法である。
ｓｃｏｒｅ＝Ｐ（Ｉ｜Φ^(γ)）−Ｐ（¬Ｉ｜Φ^(γ)）式１１
より多くの音素観察が追加された場合に、実際に、−１又は＋１に収束するのが、このスコアリング規則の特徴である。
式６と式１１の違いは、主に、観察の独立性に関する仮定にある。所与の音素ベクトル

において、発話者確率が、例えば、

と推定されたと想定しよう。式１１（確率組み合わせ）を使用した場合には、観察

が「ランダム」雑音の影響を受けているため、確率が、１．０ではなく、わずかに０．７であると仮定し、式１．６（アンサンブル組み合わせ）を使用した場合には、詐称者母集団の特定の比率が、

のようなベクトルを生成する能力を有していると仮定することになる。
同一の詐称者発話者がターゲット発話者と同一の音素ベクトルを基本的に生成可能である場合には、（同一イベントの）更なる観察を取得しても確率推定の改善は期待できないが、雑音を「平均」（導出）によって除去可能であるため、この区別は重要である。
しかしながら、式１．６及び式１．１１の両方に伴う問題は、全体的なスコアが、最も頻繁に発生する音素によって支配されるという点にある。これは、異なる音素を異なる発話者情報ソースと見なしうる限り、妥当ではない（Ｏｌｓｅｎ１９９７年ｂ、Ｏｌｓｅｎ１９９６年ｂ）。
しかしながら、特定の音素クラスが著しく優位な「異常」な文章は、頻繁には発生しないため、実際には、式１．６及び１．１１を使用して良好な結果を得ることができる。但し、適正な文章は、通常、表現された広範な多数の音素を具備することになり、それぞれの音素観察によって提供されるエビデンスの重み付け方法を適切なものにしなければならない。
コミティーマシン
特定のタイプの情報（特定の音素観察）が付与された場合に、それぞれの音素モデルは、発話者検証エキスパートと見なすことができる。個々のエキスパートは、発話者の異なる「側面」をモデル化すると仮定されるため、それぞれのエキスパートがグローバルスコアに対して具備可能な影響を制限するのは意味のあることである。これに対する１つの方法は、式１．６又は式１．１１を使用し、同一のエキスパートからのローカルスコアを音素レベルのローカルスコアに組み合わせる方法である。次いで、試験発声に表されているそれぞれの音素ごとに、（正しいという経験的に既知の確率による）ローカル２値決定を実行可能である。

この方法によれば、ローカル決定をグローバル決定に組み合わせる最も単純な方法は、「多数決」を実行することであり、

ここで、＃Φは、試験発声に表されている異なる音素の数である。このタイプのクローバルクラシファイアは、コミティーマシンと呼ばれている（Ｎｉｌｓｓｏｎ１９６５年、Ｍａｚｕｒｏｖ他１９８７年）。

個々の決定が独立しており、すべてが正しい決定を実行する同一の確率Ｐを具備している場合には、コミティーマシンが正しい決定を実行する確率は、

によって付与され、ここで、Ｎは、コミティーメンバの数である。図１には、確率関数Ｐ_comm（Ｎ）が示されている。Ｎが偶数の場合には、誤り確率が実際に５０％に過ぎない場合にも、引き分け（ｋ＝Ｎ／２）が、誤りとしてカウントされるため、グラフは、「波状」を呈している。誤りが相関していない限り、コミティーマシンの性能は、更なるメンバを追加することによって改善可能である。Ｐ＞０：５であるとすれば、コミティーマシンは、常に、個別の委員会メンバよりも良好に稼働する。
これは、個別のクラシファイアが異なる分類精度を具備している場合には、必ずしも当てはまらないが、それでも、この場合にも、このモデルは、極めて安定している。例えば、個別の精度Ｐ１、Ｐ２、及びＰ３を有する３つのクラシファイアを組み合わせると仮定しよう。コミティーマシンは、

の場合には、個別のクラシファイアの中の最も正確なもの（例えば、Ｐ１）と少なくとも同程度に稼働する。
例えば、Ｐ２＝Ｐ３＝０．９の場合に、Ｐ１のみが、Ｐ１、Ｐ２、及びＰ３の組み合わせよりも正確であると想定すると、Ｐ１は、０．９９を上回る精度を具備しなければならない。
エキスパートの重み付け
異なるエキスパートからの票は、等しく重要ではなく、異なる音素依存発話者モデルは、異なる精度を具備している。従って、個々の票を別個に重み付けすることにより、基本的な票決体系を改善可能である。これに対する「静的」な方法は、対応するクラシファイアの予想される等しい精度Ａ_EER＝１−ＥＥＲにより、それぞれの票を単純に重み付けする方法であろう。

これに対応する「動的」な重み付け体系は、それぞれの票を、クラシファイアによって演算された示差的発話者確率によって重み付けする方法であろう。
Ｄ_L（Φｉ）＝Ｐ（Ｉ｜Φ_i）−Ｐ（¬Ｉ｜Φ_i）式１８
確率推定値Ｐ（Ｉ｜Φ_i）が多少不十分なものであったとしても、この場合の利点は、重みが実際の音素観察に依存しているということである。
エキスパートのグルーピング
音素は、異なるグループ（鼻音、摩擦音、破裂音、母音など）に分割可能である。例えば、２つの鼻音音素を専門とする２つのエキスパートは、直観的に、票決ドメインにおける相関を示す可能性が高いが、例えば、それぞれ、鼻音及び摩擦音音素という異なる音素を専門とする２つのエキスパートは、相関を示す可能性が低い。従って、エキスパートを異なる音素クラスを表すグループに分割することは妥当であろう。この場合には、発話者検証スコアＤ_C;Lは、それぞれの音素グループ（Ｃ）ごとに、次のように演算可能であり、

ここで、＃Ｃは、グループＣ内の音素数を示している。式１９は、新しいエキスパートの組を効果的に定義している。この場合には、「音素」エキスパートの票ではなく、グループエキスパートの票を組み合わせることにより、グローバル検証決定を実行可能である。原則的に、この決定戦略は、エキスパートのいくつかのレイヤを含むように拡張可能であり、この場合に、最低レベルのエキスパートは、異なる個々の音素を表しており、上位レベルのエキスパートは、より広いサウンドクラス（鼻音、母音、摩擦音など）を表している。
エキスパートの票のモデル化
Ｎ個のエキスパートの票を組み合わせる魅力的な方法は、ネットワーク（ＲＢＦ又はＭＬＰ）をトレーニングして経験的に最良の組み合わせ戦略を学習させる方法である（Ｗｏｌｐｅｒｔ１９９１年）。このようにすれば、個別のエキスパートの精度と異なるエキスパートの票間における相関の両方を直接考慮することができる。この方法を採用すると、基本的に、エキスパートの票を組み合わせる時点までに発生したすべてのものが特徴抽出と見なされ、これらの特徴ベクトルは、ここでは、決定ベクトル

である。
しかしながら、この方法に伴う２つの問題が存在している。
・第１の問題は、トレーニングされたデータに関してローカルエキスパートを評価することによって単純に生成される決定ベクトルに基づいて、ローカルエキスパートの票を組み合わせる「スーパー」ネットワークをトレーニングできないという点である（エキスパートは、オーバートレーニングされる可能性が高く、従って、それらのトレーニングデータの票は、過剰に「楽観的」になっている。従って、追加的なトレーニングデータを提供するか、或いは、スーパーネットワークが、発話者から独立したものでなければならない。
・第２の問題は、この場合には、ローカルエキスパートの票が異なる音素を表しており、異なる試験発声の音声的構成が大幅に変化する可能性があり、このため、特定の試験発声から結果的に得られる票を最適に組み合わせるネットワークのトレーニングが不可能であるという点である。
限られた数のトレーニング発声が与えられた場合に、当然のことながら、異なるトレーニング発声から抽出された適切なエキスパート決定を組み合わせることにより、格段に大きな数の決定ベクトルをシミュレートすることができる。しかしながら、発生し得る可能な音素組み合わせの数が、依然として非常に大きい。例えば、所与の発声内において、可能な３０のものの中から正確に１５の異なる音素が表されると仮定しよう。この場合には、最大

の異なる票の組み合わせを考慮しなければならないであろう。この計算は、票が複数の観察に基づき得ること（並びに、従って、更に信頼性が高いこと）と、異なる音素の実際の数が１５を上回る又は下回り得ることを無視している。
このジレンマに対する可能なソリューションは、発声固有のスーパークラシファイアを生成する方法、即ち、次に発行されるプロンプトテキストが決定される時点まで（又は、更に便利には、実際の発話発声について音素セグメント化の演算が完了するまで）、トレーニングを延期する方法である。このスーパークラシファイアは、この場合には、単純なパーセプロトンであってよく、従って、トレーニングは、それ自体、深刻な演算問題ではない。図２は、この例を示している。
或いは、この代わりに、反復的なパーセプトロントレーニングアルゴリズムを回避するべく、Ｆｉｓｈｅｒの線形弁別関数を使用して個々のエキスパートの重みを学習することも可能である。
要約すれば、この例は、グローバル発話者検証決定を生成するべく、個別の音素観察（これは、基本的にオブジェクトである）から推定されたローカル発話者確率をどのように組み合わせることができるかについて説明している。良好な組み合わせ体系においては、一方において、いくつかの特定の音素がその他のものよりも多くの情報を付与することを、そして、他方においては、異なる音素が、ある程度、発話者に関する補完的な情報を提供することを考慮しなければならない。
それぞれのローカル決定の重み付け方法を決定する際に直面する主な問題は、発話者に付与するプロンプトテキストをひどく制約しなければ、試験発声において発生し得る異なる音素組み合わせの合計数が極端に大きくなるということである。従って、これらの重みは、容易に先験的に演算可能ではない。

クラシファイアは、個々の音素モデルから示差的発話者確率を入力として取得し、それらをグローバルスコアとして組み合わせている。

本開示の一実施例によるクライアント、サーバー、及びインジェクタ間におけるやり取りを示している。本開示の別の実施例によるオブジェクトベクトルスーパークラシファイアを示している。その内部に、関連する様々なコンポーネント、モジュール、及びプロセスを含む、本開示の別の実施例によるデータグラムパーサーを示している。本開示の別の実施例によるデータグラムの一般的なレイアウトである。本開示の別の実施例によるインテリジェントデータキャリアと、その内部に実装された様々なモジュール及びプロセスを示している。その内部に、関連する様々なコンポーネント、モジュール、及びプロセスを含む、本開示の別の実施例によるクライアントを示している。その内部に、関連する様々なコンポーネント、モジュール、及びプロセスを含む、本開示の別の実施例によるサーバーを示している。その内部に、関連する様々なコンポーネント、モジュール、及びプロセスを含む、本開示の別の実施例によるインジェクタを示している。

Claims

１つ又は複数のユーザーと少なくとも１つのネットワークサーバー間における安全なネットワーク接続システムであって、
１つのユーザーに対して発行された少なくとも１つのインテリジェントデータキャリアであって、前記インテリジェントデータキャリアは、少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）前記メモリ内に保存された前記データを処理するべく適合された１つのプロセッサを有し、前記インテリジェントデータキャリアは、ホストコンピュータ装置に接続し、これにより、前記入出力装置を介して、前記ネットワーク上において、データを伝送する能力を有し、前記インテリジェントデータキャリアは、認証及び暗号化体系を通じて前記ユーザーのネットワークアイデンティティを確立するべく適合されている、少なくとも１つのインテリジェントデータキャリアと、
前記１つ又は複数のユーザーに対してサービスする多数のアプリケーションのデータグラムの動的な割り当てとスワッピング用の動的なデータグラムスイッチと、
を有するシステム。
前記インテリジェントデータキャリアは、移動可能である請求項１記載のシステム。
前記インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、及びトークン装置の１つによって実装される請求項１記載のシステム。
前記認証及び暗号化体系は、
（ａ）前記インテリジェントデータキャリアから前記ネットワークサーバーに対して、前記インテリジェントデータキャリアの認証の要求を転送する段階と、
（ｂ）前記ネットワークサーバーが、前記インテリジェントデータキャリアに対して、複数の認証方法を提示する段階と、
（ｃ）前記インテリジェントデータキャリアが、イベントを通じて、前記複数のものの中から１つの認証方法を選択する段階と、
（ｄ）前記ネットワークサーバーが、前記インテリジェントデータキャリアに対して、前記選択された方法に基づいて、前記インテリジェントデータキャリアの認証データに対する要求を送信する段階と、
（ｅ）前記ネットワークサーバーが、前記インテリジェントデータキャリアから受信した前記認証データを１つ又は複数のデータ認証オブジェクトに変換する段階であって、それぞれの前記認証オブジェクトは、１つ又は複数のクラシファイアを使用して分析可能なデータベクトルオブジェクトである、段階と、
（ｆ）前記ネットワークサーバーが、前記１つ又は複数のクラシファイアに従って前記データ認証オブジェクトを分析し、これにより、前記認証の結果を判定する段階と、
（ｇ）前記ネットワークサーバーが、前記結果を前記インテリジェントデータキャリアに送信し、認証の試みの成功又は失敗について通知する段階と、
からなる一連の段階を有する請求項１記載のシステム。
段階（ｃ）における前記イベントは、マウスのクリック、画面上における接触、キーストローク、発声、及びバイオメトリック計測の少なくとも１つを有する請求項４記載のシステム。
段階（ｄ）における前記要求は、擬似ランダム及び真のランダムコードの少なくとも１つを有し、擬似ランダムコードは、数学的に事前算出されたリストに基づいて生成され、真のランダムコードは、前記システム外のエントロピーソースをサンプリング及び処理することによって生成される請求項４記載のシステム。
前記ランダム化は、１つ又は複数のランダム生成器及び１つ又は複数の独立したシードによって実行される請求項６記載のシステム。
段階（ｆ）における前記分析は、１つ又は複数の分析法則に基づいて実行される請求項４記載のシステム。
前記１つ又は複数の分析法則は、段階（ｅ）の前記１つ又は複数のクラシファイアによる分類を有する請求項４記載のシステム。
前記分類は、発話者検証を有し、前記データオブジェクトベクトルは、ターゲット発話者と詐称者という２つのクラスを伴い、それぞれのクラスは、確率密度関数によって特徴付けられており、段階（ｆ）の前記判定は、２値決定問題である請求項９記載のシステム。
段階（ｆ）の前記判定は、段階（ｅ）の前記１つ又は複数のクラシファイアに基づいて、前記１つ又は複数のデータベクトルオブジェクトから、合計、優位性、及び確率の少なくとも１つを演算する段階を有する請求項４記載のシステム。
前記合計は、前記１つ又は複数のデータベクトルオブジェクトから演算された優位な及びランダムな合計の１つである請求項１２記載のシステム。
段階（ｅ）の前記１つ又は複数のクラシファイアは、前記複数のデータベクトルオブジェクトから導出されたスーパークラシファイアを有する請求項４記載のシステム。
前記スーパークラシファイアは、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識の少なくとも１つを有する物理的なバイオメトリックスに基づいている請求項１３記載のシステム。
前記スーパークラシファイアは、個人の振る舞いの癖又はパターンを有する行動バイオメトリックスに基づいている請求項１３記載のシステム。
前記認証及び暗号化体系は、対称及び非対称マルチサイファ暗号化を有する請求項１記載のシステム。
前記暗号化は、出力フィードバック、サイファフィードバック、サイファフォワーディング、及びサイファブロックチェーニングの少なくとも１つを使用する請求項１６記載のシステム。
前記暗号化は、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌに基づいている請求項１７記載のシステム。
前記認証及び暗号化体系は、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）を実装する請求項１記載のシステム。
ＳＫＥは、パブリックキーシステムを採用する請求項１９記載のシステム。
ＳＫＥは、ＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｓｙｓｔｅｍ）プライベートキーを採用する請求項１９記載のシステム。
前記認証及び暗号化体系は、前記インテリジェントデータキャリアが前記サーバーに登録済みであることを検証するべく適合された論理試験、前記インテリジェントデータキャリア及び前記ホストコンピュータ装置における物理的なパラメータを検証するべく適合された装置試験、及びイベントレベルデータに基づいて前記ユーザーを認証するべく適合された人物試験の少なくとも１つを有する請求項１記載のシステム。
前記多数のアプリケーションは、ウィンドウに基づいたリモート端末サーバーアプリケーション、メインフレーム用の３２７０／５２５０端末エミュレータ上のアプリケーション、直接的に組み込まれたアプリケーション、及びマルチメディアアプリケーションの少なくとも１つを有し、前記直接的に組み込まれたアプリケーションは、データベースアプリケーション、データ分析ツール、ＣＲＭ（ＣｕｓｔｏｍｅｒＲｅｌａｔｉｏｎＭａｎａｇｅｍｅｎｔ）ツール、及びＥＲＰ（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅＰｌａｎｎｉｎｇ）パッケージの少なくとも１つを有する請求項１記載のシステム。
前記動的なデータグラムスイッチは、データグラムスキーマ及びパーサーを有し、前記データグラムスキーマは、１つ又は複数のデータグラムタイプに属する複数のデータグラムを有し、前記データグラムは、（ｉ）ネットワーク伝送用のコンテンツデータと（ｉｉ）ネットワーク接続を管理及び制御し、ネットワークアプリケーションをサポートするその他の情報を搬送するべく適合されており、それぞれのデータグラムタイプは、複数の機能を有し、前記パーサーは、前記１つ又は複数のデータグラムタイプを解析するべく適合されている請求項１記載のシステム。
前記データグラムスキーマは、少なくとも１つのメイジャーデータグラムタイプと、前記１つのメイジャータイプ内において、少なくとも１つのマイナーデータグラムタイプを有する請求項２４記載のシステム。
前記パーサーは、データグラムタイプのマトリックスを解析するべく適合されており、前記マトリックスは、第１の多数のメイジャーデータグラムタイプと、前記第１の多数のもののそれぞれのメイジャーデータグラムタイプ内において、第２の多数のマイナーデータグラムタイプを有する請求項２５記載のシステム。
前記メイジャーデータグラムタイプは、（ｉ）ユーザー接続を認証及び制御するべく適合されたサーバーメッセージ及び接続制御データグラム、（ｉｉ）コンテンツデータを伝送するべく適合されたコンテンツデータグラム、（ｉｉｉ）ポイントツーポイント、ポイントツーマルチポイント、及びマルチポイントツーマルチポイントデータ伝送を管理するべく適合されたブロードキャストデータグラム、（ｉｖ）前記ネットワークサーバーと前記インテリジェントデータキャリアの間においてプロキシデータを伝達するべく適合された接続プロキシデータグラム、（ｖ）リアルタイムでメッセージを伝送するべく適合されたインスタントメッセージタイプ、（ｖｉ）オーバーサイズのデータ及びメディアファイルを伝送するべく適合された大規模コンテンツ転送データグラム、（ｖｉｉ）ネットワークユーザーをサーチするべく適合されたユーザーディレクトリデータグラム、及び（ｖｉｉｉ）ネットワークユーザーを遠隔制御するべく適合されたリモート管理データグラムからなる群から選択される請求項２６記載のシステム。
前記サーバーメッセージ及び接続制御データグラムは、（ｉ）認証要求を起動するべく適合された認証要求データグラム、（ｉｉ）認証の要求の際に応答を送信するべく適合された認証回答データグラム、（ｉｉｉ）認証セッションの結果を送信するべく適合された認証結果データグラムというマイナーデータグラムタイプの少なくとも１つを有する請求項２７記載のシステム。
前記コンテンツデータグラムは、（ｉ）前記コンテンツデータを伝送するべく適合された通常コンテンツデータグラム、（ｉｉ）前記ネットワークサーバーと通信し、ログインセッションを確立するべく適合されたリモートロギングデータグラム、及び（ｉｉｉ）リモート接続からデータを伝送するべく適合されたリモートデータコレクタデータグラムというマイナーデータグラムタイプの少なくとも１つを有する請求項２８記載のシステム。
前記コンテンツデータグラムは、（ｉｖ）伝送された前記コンテンツデータの検証を要求するべく適合されたコンテンツ承認要求データグラム、及び（ｖ）前記伝送されたコンテンツデータの検証の要求に応答するべく適合されたコンテンツ承認回答データグラムというマイナーデータグラムタイプの少なくとも１つを更に有する請求項２９記載のシステム。
前記接続プロキシデータグラムは、（ｉ）前記インテリジェントデータキャリアから前記ネットワークサーバーにプロキシデータを伝達するべく適合されたサーバーへのプロキシデータ、及び（ｉｉ）前記ネットワークサーバーから前記インテリジェントデータキャリアに前記プロキシデータを伝達するべく適合されたサーバーからのプロキシデータというマイナーデータグラムタイプの少なくとも１つを有する請求項２７記載のシステム。
前記インスタントメッセージタイプは、（ｉ）ファイル伝送タイプ、（ｉｉ）オーディオ／ビデオ伝送タイプ、（ｉｉｉ）インスタントメールメッセージタイプ、及び（ｉｖ）リモートデータ収集タイプというマイナーデータグラムタイプの少なくとも１つを有する請求項２７記載のシステム。
前記データグラムスキーマ内のそれぞれのデータグラムは、
（Ａ）（ｉ）１つ又は複数のメイジャーデータグラムタイプ、（ｉｉ）１つ又は複数のマイナーデータグラムタイプ、（ｉｉ）データグラム長、及び（ｉｉｉ）データグラムチェックサム用のヘッダフィールドと、
（Ｂ）伝送においてデータを搬送するデータグラムペイロードと、
を有する一般的なレイアウトを具備している請求項２４記載のシステム。
前記一般的なレイアウトは、１つ又は複数の追加ヘッダフィールドを有する請求項３３記載のシステム。
前記一般的なレイアウトは、ＴＣＰヘッダに準拠している請求項３３記載のシステム。
前記インテリジェントデータキャリアは、レーダーコネクタを更に有し、前記レーダーコネクタは、前記ネットワークとインターフェイスし、ネットワーク接続を監視及び制御するべく適合されている請求項１記載のシステム。
前記ネットワークサーバーは、ネットワーク接続を監視及び制御するベく適合されたレーダーコネクタを更に有し、前記ネットワークサーバーの前記レーダーコネクタは、前記ネットワーク上において、前記インテリジェントデータキャリアの前記レーダーコネクタに接続されている請求項３６記載のシステム。
前記レーダーコネクタは、前記ネットワークサーバーに対する消失した接続を検出し、これに対するコンタクトを初期化し、これにより、接続を再確立するべく更に適合されている請求項３７記載のシステム。
既存のネットワークを前記ネットワークサーバーに接続し、前記既存のネットワークと前記インテリジェントデータキャリア間において、前記ネットワークサーバを介して、データを伝送するべく適合されたインジェクタを更に有し、前記既存のネットワークは、有線又は無線である請求項１記載のシステム。
前記インジェクタは、ネットワークとインターフェイスし、ネットワーク接続を監視及び制御するべく適合されたレーダーコネクタを更に有する請求項３９記載のシステム。
多数のネットワークアプリケーションのデータグラムの動的な割り当てとスワッピング用の動的なデータグラムスイッチを有する少なくとも１つのサーバーと、
少なくとも１つのクライアントであって、前記クライアントは、少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）前記メモリ内に保存された前記データを処理するべく適合された１つのプロセッサを有するインテリジェントデータキャリアであり、前記インテリジェントデータキャリアは、ホストコンピュータ装置に接続し、これにより、前記ネットワーク上において、前記入出力装置を介してデータを伝送する能力を有し、前記インテリジェントデータキャリアは、前記サーバーと前記クライアントの間の安全なデータ伝送用の認証及び暗号化体系を通じてネットワークユーザーアイデンティティを確立するべく適合されている、少なくとも１つのクライアントと、
を有するクライアント／サーバー通信システム。
前記インテリジェントデータキャリアは、移動可能である請求項４１記載のクライアント／サーバー通信システム。
前記インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、及びトークン装置の１つによって実装される請求項４２記載のクライアント／サーバー通信システム。
前記動的なデータグラムスイッチは、データグラムスキーマとパーサーを有し、前記データグラムスキーマは、１つ又は複数のデータグラムタイプに属する複数のデータグラムを有し、前記データグラムは、（ｉ）ネットワーク伝送用のコンテンツデータ、及び（ｉｉ）ネットワーク接続を管理及び制御し、ネットワークアプリケーションをサポートするその他の情報を搬送するべく適合されており、それぞれのデータグラムタイプは、複数の機能を有しており、前記パーサーは、前記１つ又は複数のデータグラムタイプを解析するべく適合されている請求項４１記載のクライアント／サーバー通信システム。
前記データグラムスキーマは、少なくとも１つのメイジャーデータグラムタイプと、前記１つのメイジャーデータグラムタイプ内において、少なくとも１つのマイナーデータグラムタイプを有する請求項４４記載のクライアント／サーバー通信システム。
前記パーサーは、データグラムタイプのマトリックスを解析するべく適合されており、前記マトリックスは、第１の多数のメイジャーデータグラムタイプと、前記第１の多数のもののそれぞれのメイジャーデータグラムタイプ内において、第２の多数のマイナーデータグラムタイプを有する請求項４５記載のクライアント／サーバー通信システム。
前記データグラムスキーマ内のそれぞれのデータグラムは、
（Ａ）（ｉ）１つ又は複数のメイジャーデータグラムタイプ、（ｉｉ）１つ又は複数のマイナーデータグラムタイプ、（ｉｉ）データグラム長、及び（ｉｉｉ）データグラムチェックサム用のヘッダフィールドと、
（Ｂ）伝送においてデータを搬送するデータグラムペイロードと、
を有する一般的なレイアウトを具備している請求項４６記載のクライアント／サーバー通信システム。
前記認証及び暗号化体系は、
（ａ）前記インテリジェントデータキャリアから前記サーバーに対して、前記クライアントの認証の要求を転送する段階と、
（ｂ）前記ネットワークサーバーが、前記インテリジェントデータキャリアに対して、複数の認証方法を提示する段階と、
（ｃ）前記インテリジェントデータキャリアが、イベントを通じて、前記複数のものの中から１つの認証方法を選択する段階と、
（ｄ）前記サーバーが、前記インテリジェントデータキャリアに対して、前記選択された方法に基づいて、前記インテリジェントデータキャリアの認証データに対する要求を送信する段階と、
（ｅ）前記サーバーが、前記インテリジェントデータキャリアから受信した前記認証データを１つ又は複数のデータ認証オブジェクトに変換する段階であって、それぞれの前記認証オブジェクトは、１つ又は複数のクラシファイアを使用して分析可能なデータベクトルオブジェクトである、段階と、
（ｆ）前記サーバーが、前記１つ又は複数のクラシファイアに従って、前記データ認証オブジェクトを分析し、これにより、前記認証の結果を判定する段階と、
（ｇ）前記サーバーが、前記結果を前記インテリジェントデータキャリアに送信し、認証の試みの成功又は失敗について通知する段階と、
からなる一連の段階を有する請求項４１記載のクライアント／サーバー通信システム。
段階（ｃ）の前記イベントは、マウスのクリック、画面上における接触、キーストローク、発声、及びバイオメトリック計測の少なくとも１つを有する請求項４８記載のクライアント／サーバー通信システム。
段階（ｄ）における前記要求は、擬似ランダム及び真のランダムコードの少なくとも１つを有し、擬似ランダムコードは、数学的に事前算出されたリストに基づいて生成され、真のランダムコードは、前記システム外のエントロピーソースをサンプリング及び処理することによって生成される請求項４９記載のクライアント／サーバー通信システム。
前記ランダム化は、１つ又は複数のランダム生成器と１つ又は複数の独立したシードによって実行される請求項５０記載のクライアント／サーバー通信システム。
段階（ｆ）における前記分析は、１つ又は複数の分析法則に基づいて実行される請求項４８記載のクライアント／サーバー通信システム。
前記１つ又は複数の分析法則は、段階（ｅ）の前記１つ又は複数のクラシファイアによる分類を有する請求項４９記載のクライアント／サーバー通信システム。
前記分類は、発話者検証を有し、前記データオブジェクトベクトルは、ターゲット発話者と詐称者という２つのクラスを伴い、それぞれのクラスは、確率密度関数によって特徴付けられており、段階（ｆ）の前記判定は、２値決定問題である請求項５３記載のクライアント／サーバー通信システム。
段階（ｆ）の前記判定は、段階（ｅ）の前記１つ又は複数のクラシファイアに基づいて、前記１つ又は複数のデータベクトルオブジェクトから、合計、優位性、及び確率の少なくとも１つを演算する段階を有する請求項４８記載のクライアント／サーバー通信システム。
前記合計は、前記１つ又は複数のデータベクトルオブジェクトから演算された優位な及びランダムな合計の１つである請求項５６記載のクライアント／サーバー通信システム。
段階（ｃ）の前記１つ又は複数のクラシファイアは、前記複数のデータベクトルオブジェクトから導出されたスーパークラシファイアを有する請求項４８記載のクライアント／サーバー通信システム。
前記スーパークラシファイアは、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識の少なくとも１つを有する物理的なバイオメトリックスに基づいている請求項５７記載のクライアント／サーバー通信システム。
前記スーパークラシファイアは、個人の振る舞いの癖又はパターンを有する行動バイオメトリックスに基づいている請求項５７記載のクライアント／サーバー通信システム。
前記認証及び暗号化体系は、対称及び非対称マルチサイファ暗号化を有する請求項４１記載のクライアント／サーバー通信システム。
前記暗号化は、出力フィードバック、サイファフィードバック、サイファフォワーディング、及びサイファブロックチェーニングの少なくとも１つを使用する請求項４１記載のクライアント／サーバー通信システム。
前記暗号化は、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌに基づいている請求項６１記載のクライアント／サーバー通信システム。
前記認証及び暗号化体系は、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）を実装する請求項４１記載のクライアント／サーバー通信システム。
ＳＫＥは、パブリックキーシステムを採用する請求項６３記載のクライアント／サーバー通信システム。
ＳＫＥは、ＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｓｙｓｔｅｍ）プライベートキーを採用する請求項６３記載のクライアント／サーバー通信システム。
前記認証及び暗号化体系は、前記インテリジェントデータキャリアが前記サーバーに登録済みであることを検証するべく適合された論理試験、前記インテリジェントデータキャリア及び前記ホストコンピュータ装置における物理的なパラメータを検証するべく適合された装置試験、及びイベントレベルデータに基づいて前記ユーザーを認証するべく適合された人物試験の少なくとも１つを有する請求項６５記載のクライアント／サーバー通信システム。
既存のネットワークを前記サーバーに接続し、前記既存のネットワークと前記クライアント間において、前記サーバを介して、データを伝送するべく適合されたインジェクタを更に有し、前記既存のネットワークは、有線又は無線である請求項４１記載のクライアント／サーバー通信システム。
前記サーバー、クライアント、インジェクタのそれぞれは、レーダーコネクタを有し、前記レーダーコネクタは、前記ネットワークとインターフェイスし、ネットワーク接続を監視及び制御するべく適合されており、前記クライアントの前記レーダーコネクタは、前記ネットワーク上において前記サーバーの前記レーダーコネクタと接続されており、前記インジェクタの前記レーダーコネクタは、前記ネットワーク上において前記サーバーの前記レーダーコネクタと接続されている請求項６７記載のクライアント／サーバー通信システム。
前記クライアントの前記レーダーコネクタは、前記サーバーに対する消失した接続を検出し、これに対するコンタクトを初期化し、これにより、接続を再確立するべく更に適合されている請求項６８記載のクライアント／サーバー通信システム。
前記サーバーは、前記クライアントの専用データストレージ用の暗号化された仮想ファイルシステムを更に有する請求項４１記載のクライアント／サーバー通信システム。
少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）前記メモリ内に保存された前記データを処理するべく適合された１つのプロセッサを有するインテリジェントデータキャリアであて、前記インテリジェントデータキャリアは、ネットワーク上のホストコンピュータ装置に接続し、これにより、前記ネットワーク上において前記入出力装置を介してデータを伝送する能力を有し、前記データ伝送は、動的にスイッチングされるデータグラムを通じたものであり、前記インテリジェントデータキャリアは、安全なネットワークデータ伝送用の認証及び暗号化体系を通じてネットワークユーザーアイデンティティを確立するべく適合されているインテリジェントデータキャリア。
前記認証及び暗号化体系は、
（ａ）前記インテリジェントデータキャリアから前記ネットワーク上のサーバーに対して、前記インテリジェントデータキャリアの認証の要求を転送する段階と、
（ｂ）前記サーバーが、前記インテリジェントデータキャリアに対して、複数の認証方法を提示する段階と、
（ｃ）前記インテリジェントデータキャリアが、イベントを通じて、前記複数のものの中から１つの認証方法を選択する段階と、
（ｄ）前記サーバーが、前記インテリジェントデータキャリアに対して、前記選択された方法に基づいて、前記インテリジェントデータキャリアの認証データに対する要求を送信する段階と、
（ｅ）前記サーバーが、前記インテリジェントデータキャリアから受信した前記認証データを１つ又は複数のデータ認証オブジェクトに変換する段階であって、それぞれの前記認証オブジェクトは、１つ又は複数のクラシファイアを使用して分析可能なデータベクトルオブジェクトである、段階と、
（ｆ）前記サーバーが、前記１つ又は複数のクラシファイアに従って、前記データ認証オブジェクトを分析し、これにより、前記認証の結果を判定する段階と、
（ｇ）前記サーバーが、前記結果を前記インテリジェントデータキャリアに送信し、認証の試みの成功又は失敗について通知する段階と、
からなる一連の段階を有する請求項７１記載のインテリジェントデータキャリア。
段階（ｃ）における前記イベントは、マウスのクリック、画面上における接触、キーストローク、発声、及びバイオメトリック計測の少なくとも１つを有する請求項７２記載のインテリジェントデータキャリア。
段階（ｄ）における前記要求は、擬似ランダム及び真のランダムコードの少なくとも１つを有し、擬似ランダムコードは、数学的に事前算出されたリストに基づいて生成され、真のランダムコードは、前記システム外のエントロピーソースをサンプリング及び処理することによって生成される請求項７２記載のインテリジェントデータキャリア。
前記ランダム化は、１つ又は複数のランダム生成器及び１つ又は複数の独立したシードによって実行される請求項７４記載のインテリジェントデータキャリア。
段階（ｆ）における前記分析は、１つ又は複数の分析法則に基づいて実行される請求項７２記載のインテリジェントデータキャリア。
前記１つ又は複数の分析法則は、段階（ｅ）の前記１つ又は複数のクラシファイアによる分類を有する請求項７６記載のインテリジェントデータキャリア。
前記分類は、発話者検証を有し、前記データオブジェクトベクトルは、ターゲット発話者と詐称者という２つのクラスを伴い、それぞれのクラスは、確率密度関数によって特徴付けられており、段階（ｆ）の前記判定は、２値決定問題である請求項７７記載のインテリジェントデータキャリア。
段階（ｆ）の前記判定は、段階（ｅ）の前記１つ又は複数のクラシファイアに基づいて、前記１つ又は複数のデータベクトルオブジェクトから、合計、優位性、及び確率の少なくとも１つを演算する段階を有する請求項７２記載のインテリジェントデータキャリア。
前記合計は、前記１つ又は複数のデータベクトルオブジェクトから演算された優位な及びランダムな合計の１つである請求項７９記載のインテリジェントデータキャリア。
段階（ｅ）の前記１つ又は複数のクラシファイアは、前記複数のデータベクトルオブジェクトから導出されたスーパークラシファイアを有する請求項７２記載のインテリジェントデータキャリア。
前記スーパークラシファイアは、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識の少なくとも１つを有する物理的なバイオメトリックスに基づいている請求項８１記載のインテリジェントデータキャリア。
前記スーパークラシファイアは、個人の振る舞いの癖又はパターンを有する行動バイオメトリックスに基づいている請求項８１記載のインテリジェントデータキャリア。
前記認証及び暗号化体系は、対称及び非対称マルチサイファ暗号化を有する請求項７１記載のインテリジェントデータキャリア。
前記暗号化は、出力フィードバック、サイファフィードバック、サイファフォワーディング、及びサイファブロックチェーニングの少なくとも１つを使用する請求項８４記載のインテリジェントデータキャリア。
前記暗号化は、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌに基づいている請求項８５記載のインテリジェントデータキャリア。
前記認証及び暗号化体系は、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）を実装する請求項７１記載のインテリジェントデータキャリア。
ＳＫＥは、パブリックキーシステムを採用する請求項８７記載のインテリジェントデータキャリア。
ＳＫＥは、ＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｓｙｓｔｅｍ）プライベートキーを採用する請求項８７記載のインテリジェントデータキャリア。
前記認証及び暗号化体系は、前記インテリジェントデータキャリアが前記サーバーに登録済みであることを検証するべく適合された論理試験、前記インテリジェントデータキャリア及び前記ホストコンピュータ装置における物理的なパラメータを検証するべく適合された装置試験、及びイベントレベルデータに基づいて前記ユーザーを認証するべく適合された人物試験の少なくとも１つを有する請求項７１記載のインテリジェントデータキャリア。
前記インテリジェントデータキャリアは、移動可能である請求項７１記載のインテリジェントデータキャリア。
前記インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、及びトークン装置の１つによって実装される請求項９１記載のインテリジェントデータキャリア。
前記動的にスイッチングされるデータグラムは、１つ又は複数のデータグラムタイプに属し、（ｉ）ネットワーク伝送用のコンテンツデータ、及び（ｉｉ）ネットワーク接続を管理及び制御し、ネットワークアプリケーションをサポートするためのその他の情報を搬送するべく適合されており、それぞれのデータグラムタイプは、複数の機能を有する請求項７１記載のインテリジェントデータキャリア。
前記データグラムタイプは、少なくとも１つのメイジャーデータグラムタイプと、前記１つのメイジャーデータグラムタイプ内において、少なくとも１つのマイナーデータグラムタイプを有する請求項９３記載のインテリジェントデータキャリア。
前記データグラムは、一般的なレイアウトに準拠しており、前記一般的なレイアウトは、
（Ａ）（ｉ）１つ又は複数のメイジャーデータグラムタイプ、（ｉｉ）１つ又は複数のマイナーデータグラムタイプ、（ｉｉ）データグラム長、及び（ｉｉｉ）データグラムチェックサム用のヘッダフィールドと、
（Ｂ）伝送においてデータを搬送するデータグラムペイロードと、
を有する請求項９４記載のインテリジェントデータキャリア。
安全なネットワーク通信方法において、
ネットワークユーザーに対してインテリジェントデータキャリアを発行する段階であって、前記インテリジェントデータキャリアは、少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）前記メモリ内に保存された前記データを処理するべく適合された１つのプロセッサを有し、前記インテリジェントデータキャリアは、前記ネットワーク上のホストコンピュータ装置に接続し、これにより、前記ネットワーク上において前記入出力装置を介してデータを伝送する能力を有し、前記インテリジェントデータキャリアは、認証及び暗号化体系を通じて前記ネットワークユーザーのネットワークアイデンティティを確立するべく適合されている、段階と、
多数のアプリケーションをサポートするデータグラムの動的な割り当てとスワッピングのための動的なデータグラムスイッチを前記ネットワーク上のサーバー内において提供する段階と、
を有する方法。
前記インテリジェントデータキャリアは、移動可能である請求項９６記載の方法。
前記インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、及びトークン装置の１つによって実装される請求項９７記載の方法。
前記動的なデータグラムスイッチは、データグラムスキーマ及びパーサーを有し、前記データグラムスキーマは、１つ又は複数のデータグラムタイプに属する複数のデータグラムを有し、前記データグラムは、（ｉ）ネットワーク伝送用のコンテンツデータ、及び（ｉｉ）ネットワーク接続を管理及び制御し、ネットワークアプリケーションをサポートするその他の情報を搬送するべく適合されており、データグラムタイプは、複数の機能を有し、前記パーサーは、前記１つ又は複数のデータグラムタイプを解析するべく適合されている請求項９６記載の方法。
前記データグラムスキーマは、少なくとも１つのメイジャーデータグラムタイプと、前記メイジャータイプ内において、少なくとも１つのマイナーデータグラムタイプを有する請求項９９記載の方法。
前記パーサーは、データグラムタイプのマトリックスを解析するべく適合されており、前記マトリックスは、第１の多数のメイジャーデータグラムタイプと、前記第１の多数のもののそれぞれのメイジャーデータグラムタイプ内において、第２の多数のマイナーデータグラムタイプを有する請求項１００記載の方法。
前記データグラムスキーマ内のそれぞれのデータグラムは、
（Ａ）（ｉ）１つ又は複数のメイジャーデータグラムタイプ、（ｉｉ）１つ又は複数のマイナーデータグラムタイプ、（ｉｉ）データグラム長、及び（ｉｉｉ）データグラムチェックサム用のヘッダフィールドと、
（Ｂ）伝送においてデータを搬送するデータグラムペイロードと、
を有する一般的なレイアウトを具備している請求項９９記載の方法。
前記認証及び暗号化体系は、
（ａ）前記インテリジェントデータキャリアから前記サーバーに対して、前記インテリジェントデータキャリアの認証の要求を転送する段階と、
（ｂ）前記サーバーが、前記インテリジェントデータキャリアに対して、複数の認証方法を提示する段階と、
（ｃ）前記インテリジェントデータキャリアが、イベントを通じて、前記複数のものの中から１つの認証方法を選択する段階と、
（ｄ）前記サーバーが、前記インテリジェントデータキャリアに対して、前記選択された方法に基づいて、前記インテリジェントデータキャリアの認証データに対する要求を送信する段階と、
（ｅ）前記サーバーが、前記インテリジェントデータキャリアから受信した前記認証データを１つ又は複数のデータ認証オブジェクトに変換する段階であって、それぞれの前記認証オブジェクトは、１つ又は複数のクラシファイアを使用して分析可能なデータベクトルオブジェクトである、段階と、
（ｆ）前記サーバーが、前記１つ又は複数のクラシファイアに従って、前記データ認証オブジェクトを分析し、これにより、前記認証の結果を判定する段階と、
（ｇ）前記サーバーが、前記結果を前記インテリジェントデータキャリアに送信し、認証の試みの成功又は失敗について通知する段階と、
からなる一連の段階を有する請求項９６記載の方法。
段階（ｃ）における前記イベントは、マウスのクリック、画面上における接触、キーストローク、発声、及びバイオメトリック計測の少なくとも１つを有する請求項１０３記載の方法。
段階（ｄ）における前記要求は、擬似ランダム及び真のランダムコードの少なくとも１つを有し、擬似ランダムコードは、数学的に事前算出されたリストに基づいて生成され、真のランダムコードは、前記システム外のエントロピーソースをサンプリング及び処理することによって生成される請求項１０３記載の方法。
前記ランダム化は、１つ又は複数のランダム生成器及び１つ又は複数の独立したシードによって実行される請求項１０４記載の方法。
段階（ｆ）における前記分析は、１つ又は複数の分析法則に基づいて実行される請求項１０３記載の方法。
前記１つ又は複数の分析法則は、段階（ｅ）の前記１つ又は複数のクラシファイアによる分類を有する請求項１０７記載の方法。
前記分類は、発話者検証を有し、前記データオブジェクトベクトルは、ターゲット発話者と詐称者という２つのクラスを伴い、それぞれのクラスは、確率密度関数によって特徴付けられており、段階（ｆ）の前記判定は、２値決定問題である請求項１０８記載の方法。
段階（ｆ）の前記判定は、段階（ｅ）の前記１つ又は複数のクラシファイアに基づいて、前記１つ又は複数のデータベクトルオブジェクトから、合計、優位性、及び確率の少なくとも１つを演算する段階を有する請求項１０３記載の方法。
前記合計は、前記１つ又は複数のデータベクトルオブジェクトから演算された優位な及びランダムな合計の１つである請求項１１０記載の方法。
段階（ｅ）の前記１つ又は複数のクラシファイアは、前記複数のデータベクトルオブジェクトから導出されたスーパークラシファイアを有する請求項１０３記載の方法。
前記スーパークラシファイアは、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識の少なくとも１つを有する物理的なバイオメトリックスに基づいている請求項１１２記載の方法。
前記スーパークラシファイアは、個人の振る舞いの癖又はパターンを有する行動バイオメトリックスに基づいている請求項１１２記載の方法。
前記認証及び暗号化体系は、対称及び非対称マルチサイファ暗号化を有する請求項９６記載の方法。
前記暗号化は、出力フィードバック、サイファフィードバック、サイファフォワーディング、及びサイファブロックチェーニングの少なくとも１つを使用する請求項１１５記載の方法。
前記暗号化は、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌに基づいている請求項１１６記載の方法。
前記認証及び暗号化体系は、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）を実装する請求項９６記載の方法。
ＳＫＥは、パブリックキーシステムを採用する請求項１１８記載の方法。
ＳＫＥは、ＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｓｙｓｔｅｍ）プライベートキーを採用する請求項１１８記載のシステム。
前記認証及び暗号化体系は、前記インテリジェントデータキャリアが前記サーバーに登録済みであることを検証するべく適合された論理試験、前記インテリジェントデータキャリア及び前記ホストコンピュータ装置における物理的なパラメータを検証するべく適合された装置試験、及びイベントレベルデータに基づいて前記ユーザーを認証するべく適合された人物試験の少なくとも１つを有する請求項９６記載の方法。
前記インテリジェントデータキャリア内の第１レーダーコネクタと前記サーバー内の第２レーダーコネクタを提供する段階を更に有し、前記第１レーダーコネクタは、前記ネットワーク上において前記第２レーダーコネクタに接続するべく適合されており、前記第１及び前記第２レーダーコネクタは、ネットワーク接続を監視及び制御するべく適合されている請求項９６記載の方法。
前記第１レーダーコネクタは、前記第２レーダーコネクタに対する消失した接続を検出し、これに対するコンタクトを初期化し、これにより、接続を再確立するべく更に適合されている請求項１２２記載の方法。
前記クライアントの専用データストレージ用の暗号化された仮想ファイルシステムを前記サーバー内に提供する段階を更に有する請求項９６記載の方法。
前記動的なデータグラムスイッチは、リアルタイムでデータグラム割り当てとスワッピングを実行する請求項９６記載の方法。
前記動的なデータグラムスイッチは、複数のデータグラムのメモリポインタに基づいて、データグラム割り当て及びスワッピングを実行する請求項９６記載の方法。
ユーザーに対する１つ又は複数のアプリケーションのターゲット供給方法において、
ネットワークサーバーが存在するネットワークに接続されたホストコンピュータ装置にドッキングし、前記ネットワーク上において前記ネットワークサーバーと通信するべく適合されたインテリジェントデータキャリアをユーザーに対して発行する段階であって、前記ネットワークサーバーは、動的にスイッチングされるデータグラムを通じて前記インテリジェントデータキャリアと通信し、前記インテリジェントデータキャリアは、少なくとも、（ｉ）データを保存するべく適合された１つのメモリ、（ｉｉ）データを入出力するべく適合された１つの入出力装置、及び（ｉｉｉ）前記メモリ内に保存された前記データを処理するべく適合された１つのプロセッサを有している、段階と、
前記サーバーが、認証及び暗号化体系を通じて前記ユーザーを認証する段階と、
認証に成功した際に、前記１つ又は複数のアプリケーションに対するアクセスを前記ユーザーに対して認可する段階と、
を有する方法。
前記１つ又は複数のアプリケーションは、前記インテリジェットデータキャリア上に事前に読み込まれているか、或いは、前記ネットワークサーバー又は前記ホストコンピュータ装置上にインストールされている請求項１２７記載の方法。
前記ホストコンピュータ装置は、有線又は無線手段を介して前記ネットワークに接続されている請求項１２８記載の方法。
前記ホストコンピュータ装置は、デスクトップ又はラップトップコンピュータ、ＰＤＡ（ＰｅｒｓｏｎａｌＤｉｇｉｔａｌＡｓｓｉｓｔａｎｔ）、携帯電話機、デジタルＴＶ、オーディオ又はビデオプレーヤー、コンピュータゲームコンソール、デジタルカメラ、カメラ電話機、ネットワーク対応家庭電化製品の少なくとも１つを有している請求項１２８記載の方法。
前記ネットワーク対応家庭電化製品は、ネットワーク対応冷蔵庫、電子レンジ、洗濯機、乾燥機、及び皿洗い機の１つである請求項１３０記載の方法。
前記１つ又は複数のアプリケーションは、ウィンドウに基づいたリモート端末サーバーアプリケーション、メインフレーム用の３２７０／５２５０端末エミュレータ上のアプリケーション、直接的に組み込まれたアプリケーション、及びマルチメディアアプリケーションの少なくとも１つを有し、前記直接的に組み込まれたアプリケーションは、データベースアプリケーション、データ分析ツール、ＣＲＭ（ＣｕｓｔｏｍｅｒＲｅｌａｔｉｏｎＭａｎａｇｅｍｅｎｔ）ツール、及びＥＲＰ（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅＰｌａｎｎｉｎｇ）パッケージの少なくとも１つを有する請求項１２７記載の方法。
前記インテリジェントデータキャリアは、移動可能である請求項１２７記載の方法。
前記インテリジェントデータキャリアは、ＵＳＢキー、コンパクトフラッシュ（登録商標）、スマートメディア、コンパクトディスク、ＤＶＤ、ＰＤＡ、ファイヤワイヤ装置、及びトークン装置の１つによって実装される請求項１２７記載の方法。
前記動的にスイッチングされるデータグラムは、１つ又は複数のデータグラムタイプに属し、（ｉ）ネットワーク伝送用のコンテンツデータ、及び（ｉｉ）ネットワーク接続を管理及び制御し、ネットワークアプリケーションをサポートするためのその他の情報を搬送するべく適合されており、それぞれのデータグラムタイプは、複数の機能を有する請求項１２７記載の方法。
前記データグラムタイプは、少なくとも１つのメイジャーデータグラムタイプと、前記メイジャーデータグラムタイプ内において、少なくとも１つのマイナーデータグラムタイプを有する請求項１３５記載の方法。
前記データグラムは、
（Ａ）（ｉ）１つ又は複数のメイジャーデータグラムタイプ、（ｉｉ）１つ又は複数のマイナーデータグラムタイプ、（ｉｉ）データグラム長、及び（ｉｉｉ）データグラムチェックサム用のヘッダフィールドと、
（Ｂ）伝送においてデータを搬送するデータグラムペイロードと、
を有する一般的なレイアウトに準拠している請求項１３６記載の方法。
前記認証及び暗号化体系は、
（ａ）前記インテリジェントデータキャリアから前記ネットワークサーバーに対して、前記インテリジェントデータキャリアの認証の要求を転送する段階と、
（ｂ）前記サーバーが、前記インテリジェントデータキャリアに対して、複数の認証方法を提示する段階と、
（ｃ）前記インテリジェントデータキャリアが、イベントを通じて、前記複数のものの中から１つの認証方法を選択する段階と、
（ｄ）前記サーバーが、前記インテリジェントデータキャリアに対して、前記選択された方法に基づいて、前記インテリジェントデータキャリアの認証データに対する要求を送信する段階と、
（ｅ）前記サーバーが、前記インテリジェントデータキャリアから受信した前記認証データを１つ又は複数のデータ認証オブジェクトに変換する段階であって、それぞれの前記認証オブジェクトは、１つ又は複数のクラシファイアを使用して分析可能なデータベクトルオブジェクトである、段階と、
（ｆ）前記サーバーが、前記１つ又は複数のクラシファイアに従って、前記データ認証オブジェクトを分析し、これにより、前記認証の結果を判定する段階と、
（ｇ）前記サーバーが、前記結果を前記インテリジェントデータキャリアに送信し、認証の試みの成功又は失敗について通知する段階と、
からなる一連の段階を有する請求項１２７記載の方法。
段階（ｃ）における前記イベントは、マウスのクリック、画面上における接触、キーストローク、発声、及びバイオメトリック計測の少なくとも１つを有する請求項１３８記載の方法。
段階（ｄ）における前記要求は、擬似ランダム及び真のランダムコードの少なくとも１つを有し、擬似ランダムコードは、数学的に事前算出されたリストに基づいて生成され、真のランダムコードは、前記システム外のエントロピーソースをサンプリング及び処理することによって生成される請求項１３８記載の方法。
前記ランダム化は、１つ又は複数のランダム生成器及び１つ又は複数の独立したシードによって実行される請求項１４０記載の方法。
段階（ｆ）における前記分析は、１つ又は複数の分析法則に基づいて実行される請求項１３８記載の方法。
前記１つ又は複数の分析法則は、段階（ｅ）の前記１つ又は複数のクラシファイアによる分類を有する請求項１４２記載の方法。
前記分類は、発話者検証を有し、前記データオブジェクトベクトルは、ターゲット発話者と詐称者という２つのクラスを伴い、それぞれのクラスは、確率密度関数によって特徴付けられており、段階（ｆ）の前記判定は、２値決定問題である請求項１４３記載の方法。
段階（ｆ）の前記判定は、段階（ｅ）の前記１つ又は複数のクラシファイアに基づいて、前記１つ又は複数のデータベクトルオブジェクトから、合計、優位性、及び確率の少なくとも１つを演算する段階を有する請求項１３８記載の方法。
前記合計は、前記１つ又は複数のデータベクトルオブジェクトから演算された優位な及びランダムな合計の１つである請求項１４５記載の方法。
段階（ｅ）の前記１つ又は複数のクラシファイアは、前記複数のデータベクトルオブジェクトから導出されたスーパークラシファイアを有する請求項１３８記載の方法。
前記スーパークラシファイアは、音声認識、指紋、手形、血管パターン、ＤＮＡ試験、網膜又は虹彩走査、及び顔面認識の少なくとも１つを有する物理的なバイオメトリックスに基づいている請求項１４７記載の方法。
前記スーパークラシファイアは、個人の振る舞いの癖又はパターンを有する行動バイオメトリックスに基づいている請求項１４７記載の方法。
前記認証及び暗号化体系は、対称及び非対称マルチサイファ暗号化を有する請求項１２７記載の方法。
前記暗号化は、出力フィードバック、サイファフィードバック、サイファフォワーディング、及びサイファブロックチェーニングの少なくとも１つを使用する請求項１５０記載の方法。
前記暗号化は、ＡＥＳ（ＡｄｖａｎｃｅｄＥｎｃｒｙｐｔｉｏｎＳｔａｎｄａｒｄ）Ｒｉｊｎｄａｅｌに基づいている請求項１５１記載の方法。
前記認証及び暗号化体系は、ＳＫＥ（ＳｅｃｕｒｅＫｅｙＥｘｃｈａｎｇｅ）を実装する請求項１２７記載の方法。
ＳＫＥは、パブリックキーシステムを採用する請求項１５３記載の方法。
ＳＫＥは、ＥＣＣ（ＥｌｌｉｐｔｉｃＣｕｒｖｅＣｒｙｐｔｏｓｙｓｔｅｍ）プライベートキーを採用する請求項１５３記載の方法。
前記認証及び暗号化体系は、前記インテリジェントデータキャリアが前記サーバーに登録済みであることを検証するべく適合された論理試験、前記インテリジェントデータキャリア及び前記ホストコンピュータ装置における物理的なパラメータを検証するべく適合された装置試験、及びイベントレベルデータに基づいて前記ユーザーを認証するべく適合された人物試験の少なくとも１つを有する請求項１２７記載の方法。
前記インテリジェントデータキャリア内の第１レーダーコネクタと前記サーバー内の第２レーダーコネクタを提供する段階を更に有し、前記第１レーダーコネクタは、前記ネットワーク上において前記第２レーダーコネクタに接続するべく適合されており、前記第１及び前記第２レーダーコネクタは、ネットワーク接続を監視及び制御するべく適合されている請求項１２７記載の方法。
前記第１レーダーコネクタは、前記第２レーダーコネクタに対する消失した接続を検出し、これに対するコンタクトを初期化し、これにより、接続を再確立するべく更に適合されている請求項１５７記載の方法。
前記インテリジェントデータキャリアの専用データストレージ用の暗号化された仮想ファイルシステムを前記サーバー内に提供する段階を更に有する請求項１２７記載の方法。
前記データグラムは、そのメモリポインタに基づいて、動的にスイッチングされる請求項１２７記載の方法。