JP2019109556A - 行動履歴を用いた本人認証方法 - Google Patents

Abstract

【課題】スマートフォン等のBYOD機器を常時携帯することで，機器の盗難による成り済ましのリスクを避けつつ，認証動作をすることなく本人認証する方法を提供する。【解決手段】記憶部と、演算部と、を備え、演算部は、外部から受信したユーザの行動履歴を示す情報を所定の単位に分割する行動履歴分割機能と、分割された単位毎に前記ユーザが存在する確率密度関数に関する情報を算出する確率演算機能と、ユーザの本人認証を行う認証機能と、を備え、記憶部は、確率密度関数に関する情報を格納し、確率演算機能は、外部から認証要求を受信した場合に、確率密度関数に関する情報に基づき、認証要求があった時点におけるユーザの存在確率を算出し、認証機能は、存在確率に基づき、ユーザの本人認証を行う。【選択図】 図８

Description

本発明は，認証動作不要な本人認証方法に関する。

ID・パスワードに変わる，安全で便利な本人認証手段として，生体認証技術の利用が拡大しつつある。金融サービスにおいては，モバイル端末からの口座開設，残高照会，口座振込み，ATM利用時の本人認証等においての生体認証の利用が実現されつつある。その一方で，生体情報の漏洩や不正入手による成り済ましリスクも年々高まってきている。

このような電子情報による認証をセキュリティ面で強化したものの一つとして，例えば特許文献１がある。特許文献１には，認証対象のユーザの行動履歴情報を用いた本人認証システムが開示されている。

特開２０１１−５９８３７

しかしながら，特許文献１に開示の方法は，ユーザが手入力もしくは口頭にて質問に回答する必要があり，認証動作をなくすことができない。

本発明の目的は，スマートフォン等のBYOD機器を常時携帯することで，機器の盗難による成り済ましのリスクを避けつつ，認証動作をすることなく本人認証する方法を提供することである。

上記課題を解決するために，本発明における認証サーバは,記憶部と,演算部と,を備え,演算部は,外部から受信したユーザの行動履歴を示す情報を所定の単位に分割する行動履歴分割機能と,分割された単位毎に前記ユーザが存在する確率密度関数に関する情報を算出する確率演算機能と,ユーザの本人認証を行う認証機能と,を備え,記憶部は,確率密度関数に関する情報を格納し,確率演算機能は,外部から認証要求を受信した場合に,確率密関数度に関する情報に基づき,認証要求があった時点におけるユーザの存在確率を算出し,認証機能は,存在確率に基づき,ユーザの本人認証を行う。

スマホ等のBYOD機器を常時携帯することで，認証動作をすることなく，本人認証することが可能となる。

第１の実施形態を示す概略ブロック図である。 図１の構成要素のうち，ユーザ端末１０の概略ブロック図である。 図１の構成要素のうち，認証サーバ３０の概略ブロック図である。 プログラムの処理を説明する第１のシーケンス図の例である。 確率密度関数推定処理のフローチャートである。 本人確率推定処理における空間行動パターンモデルの例である。 拠点タイプ抽出処理のフローチャートである。 プログラムの処理を説明する第２のシーケンス図の例である。 プログラムの処理を説明する第３のシーケンス図の例である。 本人確率推定処理のフローチャートである。 確率密度関数推定処理結果の記録テーブルの例である。 本人確率推定処理における時間シフトモデルの例である。

本明細書における「行動情報」は，個人を特定するために有用なものが好ましい。このような行動情報としては，例えば，以下に例示のＧＰＳ情報，ＷｉＦｉ情報，基地局アクセス履歴等を採用することができる。

また，当該本人認証装置は，携帯性，利便性の観点から，モバイル端末等に組み込まれていることが望ましい。

以下，当該本人認証装置の実施形態について図面を参照して説明するが，本発明は，当該図面に記載の実施形態にのみ限定されるものではない。

図１は，本発明の実施形態の本人認証装置の構成を示すブロック図である。

本実施形態の行動履歴による本人認証システムは，ユーザ端末１０，業務サーバ２０，認証サーバ３０，が通信ネットワーク４０により接続されて構成される。例えば決済サービスを例とした場合，ユーザ端末１０は，スマートフォン等の個人携帯に相当する。業務サーバ２０は，決済サービスのサーバに相当し，決済情報の管理を行う。認証サーバ３０は，ユーザ端末１０により収集された行動情報を用いて，本人認証を実施するサーバである。以下，それぞれの構成について，図２，図３を用いて説明する。

図２は，ユーザ端末１０の構成例を表す。ユーザ端末１０は，例えば，端末保持者の行動履歴（ＧＰＳ情報，ＷｉＦｉ情報，基地局アクセス履歴等）を記録するための計算機であり，例えば，入力装置１１，表示装置１２，ＣＰＵ（Central Processing Unit）１３，記録装置１４，ＧＰＳ装置１５，ＷｉＦｉ装置１６,ワークエリア１７を含む。

入力装置１１は，ユーザによる指示等の入力を受け付ける装置であり，例えばキーボード，マウス又はタッチパネル等であってもよい。例えば，表示装置１２に表示された複数のボックス（ボタン）から，該当の処理を選ぶ処理などを受け付ける。

表示装置１２は，ユーザに種々の文字及び画像等の情報を出力する装置であり，例えば液晶ディスプレイのような画像表示装置であってもよい。入力装置１１および表示装置１２は，一体化していてもよい。

記録装置１４は，ＧＰＳ情報やＷｉＦｉ情報，基地局アクセス履歴等を記録する。この記録装置１４は，具体的には，ユーザ端末１０に付属しているＧＰＳセンサ，ＷｉＦｉセンサ等で取得された情報を記録する。記録する処理のタイミングとしては,例えば一定時間間隔で記録してもよいし,各センサが情報を取得したら即座に記録する等,所定のトリガーを設けて記録してもよい。

ＣＰＵ１３は，ワークエリア１７に格納されたプログラムを実行することによって種々の機能を実現する処理装置である。例えば，行動履歴収集ＧＵＩを起動し，ＧＰＳ装置１５による位置情報取得処理，ＷｉＦｉ装置１６によるアクセスポイント情報取得処理を，ＣＰＵ１３が実行する。

ワークエリア１７は,前述の通り,各種プログラムが格納される記憶領域である。本実施例では記録装置１４とは別にワークエリア１７を記載しているが,物理的には記録装置１４にワークエリア１７が含まれる構成であってもよい。

図３は，認証サーバ３０の構成例を表す。認証サーバ３０は，ユーザ端末１０で収集された行動履歴に基づき，本人認証判定や，追加認証判定処理を行うものである。

入力装置２１は，ユーザによる指示等の入力を受け付けるインターフェースである。この入力装置２１は，キーボード，マウスまたはタッチパネル等が採用され，例えば，表示装置２２に表示された複数のボックス（ボタン）の中からユーザ所望の処理を受け付ける。

表示装置２２は，種々の文字および画像等の情報を出力する。この表示装置２２は，例えば，液晶ディスプレイなどの画像表示装置が採用される。なお，上述の入力装置２１およびこの表示装置２２は，一体化されていてもよい。

ＣＰＵ２３は，記憶装置２６に格納されたプログラムを実行することによって種々の機能を実現する。具体的には，このＣＰＵ２３は，後述の各プログラムの処理を実行する。

演算装置２５は，ＣＰＵ２３によって実行されるプログラム等を格納する記憶領域である。この演算装置２５としては，典型的にはＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような高速かつ揮発性の記憶装置等が採用される。本実施形態では，この演算装置２５には，ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）２５１，通信プログラム２５２，などが格納されていることを想定する。

なお，演算装置２５には，ＣＰＵ２３が各種処理を実行する際など，記憶装置２６に格納されている各プログラムおよびデータの少なくとも一部が必要に応じて一時的にコピーされてもよく，その他のプログラムおよびその参照データが格納されてもよい。さらに，演算装置２５には，ＣＰＵ２３が実行した処理の結果が格納されてもよい。これらのプログラムに基づく処理については後述する。

記憶装置２６は，ＣＰＵ２３が各プログラムに基づいて種々の処理を実行するために参照する情報を格納する。本実施形態の記憶装置２６には，行動履歴収集プログラム２６１，本人確率計算プログラム２６２，他人確率計算プログラム２６３，追加認証要否判定プログラム２６４，拠点タイプ抽出プログラム２６５，行動履歴分割プログラム２６６等が格納される。この記憶装置２６としては，典型的にはＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）またはフラッシュメモリなどの大容量かつ不揮発性の記憶装置等が採用される。

行動履歴収集プログラム２６１は，ＧＰＳ，ＷｉＦｉ，アプリ起動等，ユーザの行動履歴に関する処理を行うプログラムを格納する。本人確率計算プログラム２６２は，過去の行動履歴と現在の行動履歴から，本人確率を計算するプログラムを格納する。本人確率計算プログラム２６２による処理詳細は図１０で後述する。他人確率計算プログラム２６３は，過去の行動履歴と現在の行動履歴から，他人確率を計算するプログラムを格納する。本人確率のみを用いて認証をすることも、本人確率と他人確率の尤度比を計算することで本人認証をすることもできる。追加認証要否判定プログラム２６４は，本人確率に基づき，別の認証手段を要求するかどうかを判定するプログラムを格納する。追加認証要否判定プログラム２６４による処理詳細は図９で後述する。拠点タイプ抽出プログラム２６５は，蓄積した行動履歴に基づき，生活拠点，移動拠点，低頻度訪問地等，位置情報を分類するプログラムを格納する。行動履歴分割プログラムは，拠点タイプ抽出プログラムにより抽出した拠点タイプ情報に従い、行動履歴を部分データに分割する。拠点タイプ抽出プログラム２６５による処理詳細は図６および図７で後述する。

図４は，本実施例における，本人確率密度登録処理のシーケンスの例である。ここでは，ユーザ端末４０〜４２，認証サーバ３０を用いて，複数ユーザの行動履歴を認証サーバ３０に蓄積し，各ユーザの確率密度関数を事前計算しておく場合を説明する。なお、ユーザ端末４０〜４２は,それぞれ図１で示したユーザ端末１０と同等のハードウェアである。

最初に，ユーザ端末４０〜４２は，認証サーバ３０に対し本人認証用のデータ蓄積を行うため，ステップＳ４０１にてデータ収集アプリを起動する。次に,ステップＳ４０２において，一定間隔（もしくは夜間バッチとして）でユーザ端末の行動履歴データを認証サーバ３０にそれぞれ転送する。次に,ステップＳ４０３において，認証サーバ３０は，本人認証に必要となる一定時間以上の間，ユーザ端末４０〜４２から送信される行動履歴データの受信を続ける。なお,ステップＳ４０３の「一定時間」は,所定の値を予め設定してもよいし,「所定のイベントを検知するまで」のように条件を設定してもよい。いずれにしても,次のステップに進むためのトリガーが設定されていればよい。

次に,認証サーバ３０は，ステップＳ４０４において，蓄積した行動履歴データを，日単位，曜日単位，月単位に分割する。次に,認証サーバ３０は、ステップＳ４０５にて，生活拠点，移動拠点，移動経路等の空間上の位置の分類,すなわち拠点タイプの抽出を行う。この処理の詳細は図６および図７で後述する。次に,認証サーバ３０は,ステップＳ４０６において，ステップＳ４０４で分割された単位（日，曜日，月）毎に，本人のある時空間地点情報を変数とする確率密度関数の推定を行う。この処理の詳細は図５にて後述する。同様に，認証サーバ３０は,ステップＳ４０７において，ステップＳ４０４で分割された単位（日，曜日，月）毎に，本人以外の行動履歴データを用いて，他人確率密度関数の計算を行う。なお,他人確率密度関数計算は，計算に使用する行動履歴データが異なるだけで，図５にて後述する本人確率密度関数計算と同じ処理を行う。次に，ステップＳ４０８において，認証サーバ３０は,拠点タイプ抽出結果を用いて，行動履歴を部分データに分割する。次に,ステップＳ４０９において，認証サーバ３０が,拠点タイプ別のバンド幅推定結果（すなわち確率密度関数のパラメタ。例えば、数式３のパラメタｈ）を記録する。なお,ステップＳ４０９で記録されるデータの構成例については,図１１で後述する。

次に，本人確率分布の確率密度関数パラメタ推定処理の具体的な流れについて，図５を参照しながら説明する。

図５は，本人確率分布の確率密度関数パラメタ推定処理のフローチャートであり,（ＳステップＳ５０１を除き）図４のステップＳ４０６またはステップＳ４０７を詳細に示したものである。なお,ステップＳ４０６とステップＳ４０７は,前述の通り,計算対象とする行動履歴データが異なるに過ぎず,実質的な演算手法は同一であるから,以降,ステップＳ４０６の詳細として説明する。

処理フロー５００は，スマートフォン等の携帯端末によって一定期間収集される行動履歴（ＧＰＳ情報，ＷｉＦｉスポット情報、基地局アクセス履歴等）に基づき，時空間座標軸上の確率密度関数のパラメタ推定を行う。最初にステップＳ５０１において，ユーザ端末１０が,行動履歴収集アプリを起動する（ステップＳ４０１に相当）。次に,ステップ５０２において，生活拠点，移動拠点，通勤経路といった，個人の空間情報ごとに設定される拠点タイプ別にデータを分け，行動範囲の分散量（バンド幅ｈ（数２））の初期値を計算する（ステップＳ４０６の第１処理）。数１および数２において，ｎはサンプル数を表し，ＸバーはサンプルＸの平均値を表す。また,Αは所定の定数を表す。ここで，サンプルＸは，一般的には緯度，経度等の２次元の位置情報を表す。しかし，以下で述べる確率密度関数のパラメタ推定方式は，Ｘの次元数を限定するものではない。例えば，（緯度，経度，時間）の３次元データであってもよい。また，遷移確率を表す６次元（緯度１，経度１，時間１，緯度２，経度２，時間２）という６次元データであってもよい。

拠点タイプ抽出については，図６，図７を用いて別途説明する。

次に，ステップＳ５０３において，行動履歴データを使って確率密度関数のパラメタ推定を行う（ステップＳ４０６の第２処理）。確率密度関数推定には，サンプル点ごとに，バンド幅に応じた分散を持つ確率密度関数（例えばガウス分布（数４））を用い，全てのサンプル点の確率密度関数の総和により，確率分布を定義する（数３）。

数１では，拠点タイプに応じてバンド幅定数を４種類用意し，それぞれの確率密度関数の総和により，本人確率分布の確率密度関数を定義する。

ステップＳ５０３において，全サンプル点を用いた場合の確率密度関数と，サンプルiを除外した場合の確率密度関数を推定した後，ステップＳ５０４において，最小二乗法により，ハンド幅（Ｈ１，Ｈ２，Ｈ３，Ｈ４）の更新をする（ステップＳ４０６の第３処理）。ステップＳ５０５において，誤差が減少した場合，ステップＳ５０３に戻り，別のサンプルを除外し，最小二乗法によるバンド幅推定を繰り返し、サンプル除外前後の確率分布の誤差が減少しなくなった段階で，確率密度関数のパラメタ推定を終了する（ステップＳ４０６の第４処理）。以上の構成例により，数日以上の行動履歴データから，空間上のある時点での確率密度関数の推定を行うことができる。

なお、確率密度関数のパラメタ推定処理は，移動履歴データＸiの全てではなく，ステップＳ４０４で前述したデータ分割処理にて，日，曜日，月（３０日）毎に分けて，それぞれに推定を行ってもよい。本人認証時には，各日（３０日間分），各曜日（４週間分），ごとに本人確率推定を行い，最も確率の高いテンプレートの結果を用いることもできる。特定条件でデータを分割することにより,分割単位毎の確率密度関数のパラメタ推定の精度を高めることが可能となる。

次に，図６により，バンド幅タイプ推定の元となる拠点タイプ抽出,すなわち図４のステップＳ４０５の前提について説明する。

図６は，数日間の個人行動を二次元座標（緯度，経度）上に表現したもので，空間上の移動パターンを表す。一般的に，個人行動は，自宅，職場，その他拠点間の同じ移動パターンを繰り返すと考えられるが，行動範囲には一定割合で揺らぎが存在する。例えば，分散６０１は，自宅における行動範囲の分散を表す。自宅付近では，普段の買い物や，休日近所の公園で過ごすなど，行動範囲の分散が大きいことが予想される。また，分散６０２は，職場における行動範囲の分散を表す。職場でも，食事や宴会など，行動範囲の分散が大きいと予測される。また分散６０３は，出張先や移動途中の拠点を表し，趣味や公的な手続等で寄り道をするなど，ある程度の分散が予想される。一方，分散６０４は，ある移動経路上の分散を表すが，例えば通勤経路を考えた場合，空間上のばらつきはあまりないことが予測される。

図７は，本発明の実施形態の認証サーバ３０が実行する，行動履歴データからの拠点タイプ抽出フローチャートであり,図４のステップ４０５を詳細に示す図である。処理フロー７００は，スマートフォン等の携帯端末によって一定期間収集される行動履歴（ＧＰＳ情報，ＷｉＦｉスポット情報，基地局アクセス履歴）に基づき，生活拠点，移動拠点，移動経路等の空間上の位置の分類を行う。最初にステップＳ７０１において，認証サーバ３０にて，数日以上の行動履歴データの読込みを行う。次にステップＳ７０２において，数２を用いて計算したバンド幅の初期値を用いて，数３による各地点の存在（滞在）確率の総和を計算する。次にステップＳ７０３において，行動履歴の移動速度および移動方向の転換点の検知を行う。次にステップＳ７０４において，滞在確率の総和により，自宅，職場，出張所などの生活拠点タイプの抽出を行う。これは，例えば適切な上位ｎ件を抽出することで行う。次にステップＳ７０５において，移動拠点タイプの抽出を行う。これは，自転車，自動車，バス，電車，航空機等の各種移動手段の乗り換え拠点を想定している。移動拠点は，生活拠点ほどではないが，寄り道の拠点となる意味で，行動範囲の分散がある程度大きいと想定される。次に，ステップＳ７０６において，移動速度が一定以上の箇所を移動経路タイプとして抽出する。例えば，自転車，自動車，バス，電車，航空機等の移動手段の一般的な速度を上回るかどうかで判定する。以上の構成例により，数日以上の行動履歴データから，空間上の各位置の拠点タイプを判定することができる。

最後に，拠点タイプ抽出が終わった後，行動履歴データを部分系列に分割（セグメント化）する。分割は，前述の拠点タイプ抽出結果を用いる。すなわち、生活拠点，移動拠点を分割点として行動履歴データを分割し，別々のセグメントＩＤを付与する。番号が異なっていれば，セグメントＩＤの値自体は如何なるものでもよい。

図８は，本実施例の認証サーバ３０により実施される本人認証処理を前提として、ユーザが第三者たるサービサーのサービスを享受する際のシーケンスの例を表す。ここでは，ユーザ端末１０，認証サーバ３０，サービスサーバ８０を仮定し，ユーザが，サービスサーバ８０のサービスを利用する際に，スマートフォン等の携帯端末に記録した行動履歴を元に本人認証する場合を例として説明する。最初に，ユーザ端末１０は，認証サーバ３０において本人認証を行うため，ステップＳ８０１にてデータ収集アプリを起動し（ステップＳ４０１に相当），ステップＳ８０２において，認証サーバ３０に対して，行動履歴データの一定時間間隔での送信を開始する（Ｓ４０２に相当）。認証サーバ３０は，ステップＳ８０３において，本人認証に必要となる一定時間以上の間，データの受信を続ける（Ｓ４０３に相当）。ユーザ端末１０は，とある時点で，サービスサーバ８０に対して，サービス要求を実行する（ステップＳ８０４）。サービスサーバ８０は，ステップＳ８０５において，認証サーバ３０に対して，本人認証要求を行なう。認証サーバ３０は，ステップＳ８０６において，過去に蓄積した行動履歴を元に生成した確率密度関数のパラメータ（図１１を用いて前述したテーブルより読み込む）に基づき，現時点での行動履歴の本人確率を計算する。Ｓ８０６の詳細は、図１０で後述する。ステップＳ８０７において，サービスサーバ８０に対して，本人認証ＯＫ／ＮＧを返却する。ステップＳ８０８において，サービスサーバ８０は，認証サーバ３０より受領した本人認証情報に基づき，ユーザ端末１０に，サービス利用を許可するか，サービス利用を中断させる。

以上の構成により，スマートフォン等のBYOD機器を常時携帯し，行動履歴データを収集しておくことで，機器の盗難による成り済ましのリスクを避けつつ，認証動作をすることなく本人認証することができる。なお,ステップＳ８０７（ＯＫ／ＮＧ）の判定基準は、サービス提供事業者に異なることが想定される。具体的には,高いセキュリティレベルが求められるサービスについては厳密な本人認証が求められるため,ＯＫと判定されるための要件が厳しく設定される傾向にある。ゆえに,ユーザが高いセキュリティレベルが求められるサービスを享受する際には,二段階認証の前段として本認証を行い,その後に公知の生体認証（例えば指静脈認証）を行う等の組み合わせが好適と考えられる。詳細は図９で後述する。

図９は，本人認証処理のシーケンスの別の例を表す。ここでは，ユーザ端末１０，認証サーバ３０，サービスサーバ９０を仮定し，ユーザが，サービスサーバ９０のサービスを利用する際に，スマートフォン等の携帯端末に記録した行動履歴を元に本人認証する場合を例として説明する。なお,ユーザ端末１０が，ステップＳ９０１においてデータ収集アプリを起動し，ステップＳ９０７において，認証サーバ３０が，本人認証ＯＫ/ＮＧ返却するまでの処理は図８と同様であるため,説明を省略する。

図９のフローでは，引き続き，ステップＳ９０８において，サービスサーバ９０が，追加認証要求判定を行う。仮にステップＳ９０７で返却された本人認証結果がＮＧであった場合，別の本人認証手段（例えば生体認証）を要求する。次に，ステップＳ９１０において，ユーザ端末１０は，別の認証画面を立ち上げ，ステップＳ９１１において，要求された本人認証を実施し，ステップＳ９１２において，サービスサーバ９０に対して，認証ＯＫ/ＮＧ結果を返却する。次に,ステップＳ９１３において，サービサー端末９０は，認証サーバ３０より受領した本人認証情報に基づき，ユーザ端末１０に，サービス利用を許可するか，サービス利用を中断させる。

以上の構成により，行動履歴による認証のみを行うよりも高いセキュリティレベルを達成でき,ユーザは高いセキュリティレベルが求められるサービスを享受することができる。

次に，認証サーバ３０を用いて行なわれる，本人認証の実施例の具体的な流れについて，図１０を参照しながら説明する。

図１０は，本発明の実施形態の認証サーバ３０が実行する本人認証処理,すなわち図８のステップＳ８０６または図９のステップＳ９０６の詳細を示すフローチャートである。処理フロー１０００は，例えば店頭決済を例とした場合，スマートフォン等の携帯端末によって一定期間収集される行動履歴（ＧＰＳ情報，ＷｉＦｉスポット情報、基地局アクセス履歴等）に基づき，携帯端末を持つだけで認証動作することなく本人認証を行い，手ぶら決済等のサービスを実現する。

最初にステップＳ１００１において，本人認証対象者の確率密度関数のパラメタ読込みを行う。具体的には，図１１のテーブル１１０，１１１，１１２に記録される確率密度関数のパラメータ（Ｘ座標，Ｙ座標，時刻，推定バンド幅，セグメントＩＤ，日付、曜日，月等）を読み込む。読み込むテンプレートは，図４のステップＳ４０４にて前述の通り,所定単位（日単位，曜日単位など）に分割されているので，異なるものを利用可能である。次にステップＳ１００２において，ユーザ端末（携帯端末）によるサービス要求があった時点を現時点とし，それより一定時間前からの行動履歴データを取得する。これは，紛失された後に拾われた携帯端末もしくは盗まれた携帯端末を用いた第三者による店頭決済サービス要求が行われていないかを判断するためである。なお,第三者により不正利用されていないことを保証するための別の方法として，決済サービス要求がなされた後に，一定時間,行動履歴データを収集し，実は成済ましによる決済であったと判定された場合には，事後的に払い戻し処理をするなどの保障を行うことも考えられる。次に，ステップＳ１００３において，ステップＳ４０５にて抽出された移動拠点タイプを用いて，行動履歴を複数の履歴に分割する。次に，ステップＳ１００４において，ステップＳ４０８で分割された行動履歴セグメントごとに，時間軸方向のシフト処理を行う。次に，ステップＳ１００５において，行動履歴セグメントごとに時間軸方向にシフトさせた行動履歴データを用いて，本人確率の計算を行う。時間軸方向のシフト処理は，行動履歴の各セグメントについて，所定幅（−Δ〜＋Δ）の探索を行い，行動履歴セグメントごとに，もっとも本人確率が最も高くなるシフト幅を選択する。本人確率の計算は，前述の数３に，時間シフト処理後の新たな行動履歴データを入力として与えることで計算できる。次に，ステップＳ１００６において，全ての行動履歴セグメントに対し，所定の幅のシフト処理の探索が終了した場合，本人確率推定フローを終了する。

なお,時間軸方向のシフト処理をしている理由は，行動履歴の時間軸方向の日々の揺らぎ（例えば，出勤時刻は一定であるが，帰宅時刻は一定ではない等）が，拠点ごとに異なる強度で存在すると考えられるためである（時間軸方向の揺らぎについては図１２で後述する）。このため，移動途中の拠点ごとに，行動履歴データを分割し，分割単位（セグメント単位）で，時間方向のシフト幅を変えた上で，確率計算を実行している。前述の説明では，時間方向のシフト処理は，本人照合時の行動履歴を分割することで実施したが，図１１のテーブルより読み込む確率密度関数のパラメタ（項目１１０９）の方を，時間軸シフトさせてもよい。この場合，後述する図１１テーブル１１１のうち，時刻１１０９の値をシフト処理した上で，数３を用いて本人確率計算を行えばよい。

図１１は，認証サーバ３０にて作成される確率密度関数定義用のサンプリング点データテーブル,すなわち図４のステップＳ４０９で格納されるデータテーブルの一例である。テーブル１１０は，作成済みユーザ個人情報テーブルの例を表す。例えば属性として，ＩＤ属性１１０１，氏名１１０２，性別１１０３，年齢１１０４，連結キー１１０５等を持つ。また，テーブル１１１は，ユーザ個人情報と緋づいた行動履歴データテーブル情報を格納する。例えば属性として，ＩＤ１１０６，Ｘ座標１１０７，Ｙ座標１１０８，時刻１１０９，拠点タイプ１１１０，セグメントＩＤ１１１１，曜日１１１２，日１１１３，月１１１４を持つ。例えば，前述の数３におけるＸiを（緯度，経度，時間）とした場合，Ｘ座標１１０７として経度を格納し，Ｙ座標１１０８として緯度を格納し，時刻１１０９として，時間を格納すればよい。また，テーブル１１２は，行動履歴データテーブルと紐づいた，推定バンド幅情報を格納する。例えば，属性として，拠点タイプ１１２１，推定バンド幅１１２２を持つ。

図１２は，行動履歴データのゆらぎのうち，時間軸方向のゆらぎの性質を説明する模式図である。軸１２０１は，時間軸を表す。軸１２０２は，空間上の位置を，説明の都合上１次元で表したものである。行動履歴１２０３（実線）は，特定の人物の，ある１日の行動履歴を表す。行動履歴１２０４（破線）は，同じ人物の別の一日の行動履歴を表す。位置１２１１自宅，位置１２１２職場，位置１２１３出張先は，位置情報の事例を表す。行動履歴セグメント１２２１は，自宅から鉄道の駅までの移動を表す。行動履歴セグメント１２２２は，自宅近くの駅から職場近くの駅までの乗車履歴を表す。行動履歴セグメント１２２５は，帰宅時の職場近くの駅から自宅近くの駅までの乗車履歴を表す。

例えばこの例では，出勤時の行動履歴パターンはほぼ時間シフトがないが，帰宅時の乗車時間は日によってばらつきがあることを表している。この例にみられるように，行動履歴の時間シフトがおこる単位は，自宅，職場，出張先で区切られた移動範囲単位であることが想定される。ゆえに,前述のステップＳ１００４（分割された単位毎に時間軸方向のシフトを行う処理）により,行動履歴による認証の精度を高めることが可能になると考えられる。

１０：ユーザ端末 １１：入力装置 １２：表示装置 １３：ＣＰＵ（Central Processing Unit） １４：記録装置 １５：ＧＰＳ装置 １６：ＷｉＦｉ装置 １７：ワークエリア

Claims (6)

1. 記憶部と、演算部と、を備える認証サーバであって、
   前記演算部は、外部から受信したユーザの行動履歴を示す情報を所定の単位に分割する行動履歴分割機能と、
   前記分割された単位毎に前記ユーザが存在する確率密度関数に関する情報を算出する確率演算機能と、
   ユーザの本人認証を行う認証機能と、を備え、
   前記記憶部は、前記確率密度関数に関する情報を格納し、
   前記確率演算機能は、外部から認証要求を受信した場合に、前記確率密度関数に関する情報に基づき、前記認証要求があった時点における前記ユーザの存在確率を算出し、
   前記認証機能は、前記存在確率に基づき、前記ユーザの本人認証を行う、
   ことを特徴とする認証サーバ。
2. 請求項１に記載の認証サーバにおいて、
   前記確率演算機能は、最小二乗法を用いて、前記確率密度関数に関する情報の誤差を減少させる演算を行う、
   ことを特徴とする認証サーバ。
3. 請求項２に記載の認証サーバにおいて、
   複数の行動履歴情報に基づき前記ユーザの行動拠点を複数抽出する拠点タイプ抽出機能を更に備え、
   前記確率演算機能は、前記行動拠点毎に、前記確率密度関数に関する情報を算出する、
   ことを特徴とする認証サーバ。
4. 請求項３に記載の認証サーバにおいて、
   前記複数の行動拠点は、生活拠点と、移動拠点と、移動経路と、を含む、
   ことを特徴とする認証サーバ。
5. 請求項４に記載の認証サーバにおいて、
   前記拠点タイプ抽出機能は、ある地点におけるユーザの滞在時間に基づき前記生活拠点を抽出し、所定範囲におけるユーザの移動速度の変化量に基づき移動拠点を抽出し、所定範囲におけるユーザの移動速度に基づき移動経路を抽出する、
   ことを特徴とする認証サーバ。
6. 請求項５に記載の認証サーバにおいて、
   前記認証機能は、所定の行動履歴を時間軸方向にシフトさせた上で前記ユーザの本人認証を行う、
   ことを特徴とする認証サーバ。

Images