JP6083101B1

JP6083101B1 - 情報処理装置、方法およびプログラム

Info

Publication number: JP6083101B1
Application number: JP2016152640A
Authority: JP
Inventors: 択渡久地
Original assignee: Ai Inside; AI Inside Inc
Current assignee: Ai Inside; AI Inside Inc
Priority date: 2016-08-03
Filing date: 2016-08-03
Publication date: 2017-02-22
Anticipated expiration: 2036-08-03
Also published as: JP2018022313A

Abstract

【課題】個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成することができる情報処理装置を提供すること。【解決手段】個人情報が含まれる一次データを入力する一次データ入力部１１と、一次データ入力部１１により入力された一次データを解析して、一次データに含まれている情報を項目ごとに特定する特定部１２と、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の総評価値を評価する評価部１３と、評価部１３の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除した二次データを生成する二次データ生成部１４とを備える。【選択図】図１

Description

本発明は、個人情報を扱う情報処理装置、方法およびプログラムに関する。

近年、様々なサービスにおいて、個人情報が情報処理装置に蓄積されるようになっている。このような個人情報として、例えば、ＥＣサイトにおいて買い物をしたときの履歴情報や、銀行口座を開設する際の資料や、ヘルスケア（健康管理）に関するデータなどが挙げられる。このような個人情報は、法制度により情報の管理および利用の制限を受ける。

一方、個人情報は、有益性の高い情報として活用することができる。例えば、個人情報を匿名化して二次データを生成し、当該二次データを第三者に提供する。第三者は、二次データを分析したり、研究を行ったりして、その分析結果又は研究結果を用いて、新たなサービスに利用する。この新たなサービスは、情報提供者に利益をもたらす可能性がある。

特許文献１では、匿名化の手段としてｋ−匿名化を利用する技術が記載されている。具体的には、特許文献１に記載された技術は、ユーザ端末から受信したデータを、暗号化などを用いて変換してから格納し、格納したデータを復号してからｋ−匿名性を満たすよう加工して、サービス提供者のサーバに送信する。

特開２０１１−１８０８３９号公報

ところで、特許文献１に開示されているｋ−匿名化によれば、ｋの数値を大きくすれば匿名性は担保されるが、有用性のある情報にならない可能性になり、ｋの数値を小さくすれば有用性のある情報になるが、匿名性が担保できない可能性がある。また、氏名や生年月日以外の行動履歴等の情報であっても、複数の情報の組み合わせにより特定の個人が識別される可能性がある。どの情報が個人情報に当たるかは、複数の情報の組み合わせによって変わり得るものであり、また時代や技術レベルによっても変化する。よって、個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成したい要望がある。

本発明では、個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成することができる情報処理装置、方法およびプログラムを提供することを目的とする。

上記目的を達成するために、本発明の一態様における情報処理装置は、個人情報が含まれる一次データを入力する一次データ入力部と、前記一次データ入力部により入力された一次データを解析して、一次データに含まれている複数の情報を項目ごとに特定する特定部と、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の合計である総評価値を評価する評価部と、前記評価部の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除し、一次データの各項目の情報を組み合わせ、項目の組み合わせが異なる複数の二次データを生成する二次データ生成部とを備える。

また、本発明の一態様における情報処理装置では、前記二次データ生成部は、単独で前記所定の閾値以上の評価値となる情報を削除する構成でもよい。

また、本発明の一態様における情報処理装置では、前記二次データ生成部は、第二の閾値以上の評価値の情報を他の情報と連結させる場合は、当該情報を抽象化することよって評価値を低減する構成でもよい。

また、本発明の一態様における情報処理装置では、前記二次データ生成部により生成された複数の二次データに基づいて、機械学習により各二次データを関連付け、仮想人格モデルを生成する仮想モデル生成部を備える構成でもよい。

また、本発明の一態様における情報処理装置では、前記仮想モデル生成部は、ユーザの情報と前記仮想人格モデルに基づいて、ユーザにレコメンドを行うレコメンド部とを備える構成でもよい。

上記目的を達成するために、本発明の一態様における情報処理方法は、一次データ入力部により、個人情報が含まれる一次データを入力する一次データ入力工程と、特定部により、前記一次データ入力工程により入力された一次データを解析して、一次データに含まれている複数の情報を項目ごとに特定する特定工程と、評価部により、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の合計である総評価値を評価する評価工程と、二次データ生成部により、前記評価工程の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除し、一次データの各項目の情報を組み合わせ、項目の組み合わせが異なる複数の二次データを生成する二次データ生成工程を備える。

上記目的を達成するために、本発明の一態様における情報処理プログラムは、個人情報が含まれる一次データを入力する一次データ入力工程と、前記一次データ入力工程により入力された一次データを解析して、一次データに含まれている複数の情報を項目ごとに特定する特定工程と、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の合計である総評価値を評価する評価工程と、前記評価工程の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除し、一次データの各項目の情報を組み合わせ、項目の組み合わせが異なる複数の二次データを生成する二次データ生成工程と、をコンピュータによって実現するための情報処理プログラムである。

本発明によれば、個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成することができる。

情報処理装置の構成を示すブロック図である。個人の一次データを評価する評価ＤＢの一例を示す図である。法人の一次データを評価する評価ＤＢの一例を示す図である。一次データから二次データを生成する手順についての説明に供する図である。情報処理装置の動作の流れについての説明に供するフローチャートである。レコメンド装置の構成を示すブロック図である。

以下、本発明の実施形態に係る情報処理装置、方法およびプログラムについて図面を参照しながら説明する。なお、実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。

以下では、個人情報が含まれる一次データを個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成する情報処理装置１の構成と動作について説明する。また、情報処理装置１は、生成した二次データを用いて、レコメンドやマーケット調査などに利用する。また、本実施例において「個人情報」とは、氏名などのように単独で個人を識別し得る情報や、単独では個人を識別できなくても、連結することにより個人を識別し得る情報も含む概念である。

情報処理装置１は、図１に示すように、一次データ入力部１１と、特定部１２と、評価部１３と、二次データ生成部１４と、記憶部１５とを備える。

一次データ入力部１１は、個人情報が含まれる一次データを入力する。一次データ入力部１１は、入力した一次データを記憶部１５に保存する。ところで、一次データが申し込み用紙や帳票などの書類をスキャナ等で画像化した画像データである場合には、一次データ入力部１１は、ＯＣＲ（ＯｐｔｉｃａｌＣｈａｒａｃｔｅｒＲｅｃｏｇｎｉｔｉｏｎ）機能により文字認識を行ってテキストデータに変換し、変換後のテキストデータを一次データとして記憶部１５に保存する。

特定部１２は、一次データ入力部１１により入力された一次データを解析して、一次データに含まれている情報を項目ごとに特定する。特定部１２は、特定した項目ごとのデータを記憶部１５に保存する。項目とは、氏名などの個人を識別し得る情報や、個人を識別し得る情報ではないが、他の情報と連結して識別し得る情報をいう。

評価部１３は、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の総評価値を評価する。例えば、評価部１３は、記憶部１５に記憶されている評価ＤＢに予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の総評価値を評価する。評価値とは、個人を識別し得る程度を示す値である。また、総評価値は、一次データに含まれる各情報の評価値の合計である。

また、個人の情報から構成される評価ＤＢは、図２に示すように、氏名などの単独で個人を識別し得る項目と、単独で個人を識別し得る項目ではないが、他の項目と連結したり、周知の情報などを補って識別し得る項目とにより構成されている。また、評価値は、個人を識別し得る可能性が高い情報ほど高い数値が設定されている。

図２では、番号１の「氏名」を１０ポイント、番号２の「氏」を５ポイント、番号３の「名」を５ポイント、番号１９の「メールアドレス（個人名含む）」を１０ポイント（当該項目は、例えば、ｔｏｋｋｙｏ＿ｔａｒｏ＠ｔｏｋｋｙｏ．ｃｏ．ｊｐのようにどこの誰かを特定できるアドレスが該当する）として評価値を例示している。なお、個人を識別し得る可能性は、時代や技術レベルによっても変化するため、各項目の評価値は、定期的に変更されるものである。

また、法人の情報から構成される評価ＤＢは、図３に示すように、代表者名などの単独で社長などの個人を識別し得る項目と、単独で個人を識別し得る項目ではないが、他の項目と連結したり、周知の情報を補って識別し得る項目とにより構成されている。また、評価値は、個人を識別し得る可能性が高い情報ほど高い数値が設定されている。

図３では、番号５の「代表者名」を１０ポイントとして評価値を例示している。なお、法人を識別し得る可能性は、時代や技術レベルによっても変化するため、各項目の評価値は、定期的に変更されるものである。

二次データ生成部１４は、評価部１３の評価結果に基づいて、総評価値が所定の閾値を超えないように、一次データの各情報を変更または削除して、二次データを生成する。二次データ生成部１４は、生成した二次データを記憶部１５に保存してもよい。

所定の閾値は、任意に設定が可能である。一般的に、所定の閾値が大きいほど二次データの有用性が高くなり、所定の閾値が小さいほど二次データの匿名性が高くなる。よって、所定の閾値は、二次データの利用目的などに応じて設定される。

ここで、一次データが「特許太郎が２０１６年８月２０日、７時１１分にコンビニＡ（渋谷店）でチキンを買った」の場合を一例として、情報処理装置１の動作について図４を参照しながら説明する。なお、評価部１３は下記条件にしたがって評価を行い、二次データ生成部１４は下記条件を満たすような二次データを作成するものとする。
条件１：単独で１０ポイント以上の情報は削除する。
条件２：５ポイント以上１０ポイント未満の情報が他の情報と連結せずに単独の場合には、そのまま利用する。ただし、５ポイント以上１０ポイント未満の情報が他の情報と連結する場合には、抽象化して評価値を３ポイントないしは１ポイントに低減する。
条件３：総評価値は、１０ポイント以下である。

また、上記条件は、一例であって、条件を変更（例えば、複数の情報を連結することによって個人を識別し得る場合は、削除する、など）してもよいし、他の条件を追加してもよい。また、二次データ生成部１４は、上記条件を満たす範囲で、出来るだけ多くの項目の情報を組み合わせ（連結させ）、最大の数の二次データを作成すると、より好適である。

一次データ入力部１１には、「特許太郎が２０１６年８月２０日、７時１１分にコンビニＡ（渋谷店）でチキンを買った」（図４中のＡ）が入力される。

特定部１２は、一次データに対して形態素解析を行い、「特許太郎」、「２０１６年８月２０日７時１１分」、「コンビニＡ（渋谷店）」、「チキン」、「買った」（図４中のＢ）に分割し、一次データに含まれている情報を項目ごとに特定する。

評価部１３は、「特許太郎」について、氏名なので１０ポイントと評価する。評価部１３は、「２０１６年８月２０日７時１１分」と「コンビニＡ（渋谷店）」について、それぞれ５ポイントであるが、連結することにより個人を識別し得る情報であるので、連結不可能であると評価する。評価部１３は、「チキン」と「買った」について、それぞれ１ポイントであると評価する。

二次データ生成部１４は、「特許太郎」について、１０ポイントであるため、条件１に基づいて削除する。二次データ生成部１４は、「２０１６年８月２０日７時１１分」と「コンビニＡ（渋谷店）」は、それぞれ５ポイントであり、条件１に該当しないが、条件２に該当するので、「２０１６年８月２０日７時１１分」を「２０１６年夏午前」に抽象化し、「コンビニＡ（渋谷店）」を「コンビニ」に抽象化する。なお、「２０１６年夏午前」と「コンビニ」は、それぞれ２ポイントである。二次データ生成部１４は、「チキン」と「買った」は、条件１．および条件２．に該当しないので、そのまま利用する。

よって、二次データ生成部１４は、図４中のＣに示すように、「２０１６年夏午前」、「コンビニ」、「チキン」、「買った」という二次データを生成する。当該二次データは、総評価値が６ポイントであり、条件３を満たす。

このようにして、情報処理装置１は、個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成することができる。

また、二次データ生成部１４は、評価部１３の評価結果に基づいて、総評価値が所定の閾値を超えないように一次データの各情報を組み合わせ、複数の二次データを生成する構成でもよい。

例えば、一次データが「３３歳の特許太郎が２０１６年８月２０日、７時１１分にコンビニＡ（渋谷店）でチキンとチーズを買った」の場合、二次データ生成部１４は、「３０代前半」、「２０１６年夏午前」、「コンビニ」、「チキン」、「チーズ」、「買った」という二次データＡ１を生成する。

二次データ生成部１４は、下記のように、二次データＡ１から複数の二次データＡ２，Ａ３を生成する。なお、二次データＡ２，Ａ３は、それぞれ、総評価値が所定の閾値を超えないものとする。
二次データＡ２：「３０代前半」、「コンビニ」、「チキン」、「チーズ」、「買った」
二次データＡ３：「２０１６年夏午前」、「コンビニ」、「チキン」、「チーズ」、「買った」

このようにして、情報処理装置１は、一つの一次データから複数の二次データを生成することができ、一次データの数が少なくても、個人情報の有用性を保ちながら、匿名性を十分に担保した大量の二次データを生成することができる。

また、情報処理装置１は、図１に示すように、仮想モデル生成部１６と、レコメンド部１７とを備える。

仮想モデル生成部１６は、二次データ生成部１４により生成された複数の二次データに基づいて、機械学習により各二次データを関連付け、仮想モデルを生成する。例えば、仮想モデル生成部１６は、学習を繰り返しながら行動パターンが似ている二次データを関連付けて、仮想モデルを生成する。また、仮想モデル生成部１６は、生成した仮想モデルを記憶部１５に保存してもよい。仮想モデルとは、仮想の人格（ペルソナ）をモデル化した仮想人格モデルや、仮想の場所をモデル化した仮想エリアモデルなどである。

レコメンド部１７は、ユーザの情報と仮想人格モデルに基づいて、ユーザにレコメンドを行う。

ここで、仮想モデル生成部１６とレコメンド部１７の具体的な動作について説明する。なお、以下では、二次データ生成部１４により二次データＢ１，Ｂ２，Ｂ３，Ｂ４が生成された場合を想定して説明する。
二次データＢ１：「渋谷」、「女性２０代」、「ワイン」、「買った」
二次データＢ２：「渋谷」、「男性３０代」、「チキン」、「買った」
二次データＢ３：「目黒」、「女性２０代」、「ワイン」、「買った」
二次データＢ４：「渋谷」、「女性３０代」、「ワイン」、「買った」

仮想モデル生成部１６は、例えば、二次データＢ１，Ｂ３，Ｂ４の各情報を紐づけて、「ワイン」を「買った」のは、「女性２０代、３０代」で、「渋谷」または「目黒」に在住している者である、という仮想モデルを生成する。

そして、レコメンド部１７は、「目黒」、「女性３０代」のユーザ情報に対して、上述の仮想モデルに基づいて、「目黒」在住の「女性３０代」は「ワイン」を買うだろうと推測し、ユーザに「ワイン」を購入することをレコメンドする。

このようにして、情報処理装置１は、例えば、ユーザが具体的な商品を選択する前に、ユーザの情報（例えば、住所、性別など）に基づいて、ユーザが興味を示す商品などを推測してレコメンドすることができる。

また、情報処理装置１は、例えば、二次データ生成部１４で二次データを生成したときに、当該二次データの元になった一次データを削除する構成でもよい。当該構成によれば、情報処理装置１は、個人を特定し得る一次データを永続的に保持し続けないので、一次データの管理の手間を省くことができ、一次データの漏洩の可能性を排除することができる。また、ユーザは、個人情報が含まれる一次データが情報処理装置１側に保存され続けない安心がある。

つぎに、情報処理装置１の動作について図５に示すフローチャートを参照して説明する。

ステップＳ１において、一次データ入力部１１は、個人情報が含まれる一次データを入力する。

ステップＳ２において、特定部１２は、ステップＳ１の工程により入力された一次データを解析して、一次データに含まれている情報を項目ごとに特定する。

ステップＳ３において、評価部１３は、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の総評価値を評価する。

ステップＳ４において、二次データ生成部１４は、ステップＳ３の工程による評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除した二次データを生成する。

つぎに、情報処理装置１の適用例について説明する。以下では、ＥＣサイトにレコメンド機能を提供するレコメンド装置２に情報処理装置１を適用した場合の構成と動作について説明する。レコメンド装置２は、図６に示すように、データ取得部２１と、検索部２２と、データクリーニング部２３と、第１記憶部２４と、仮想人格生成部２５と、第２記憶部２６と、行動予測部２７とを備える。

なお、データ取得部２１は、情報処理装置１の一次データ入力部１１に相当する。データクリーニング部２３は、情報処理装置１の特定部１２、評価部１３、二次データ生成部１４に相当する。第１記憶部２４および第２記憶部２６は、情報処理装置１の記憶部１５に相当する。仮想人格生成部２５は、情報処理装置１の仮想モデル生成部１６に相当する。検索部２２と行動予測部２７は、情報処理装置１のレコメンド部１７に相当する。

データ取得部２１は、ＥＣサイトに訪問したユーザの情報（例えば、商品購入情報や、サイト内の移動情報など）を一次データとして取得する。

データクリーニング部２３は、データ取得部２１で取得した一次データに対してデータクリーニングを行って情報の匿名化処理を行い、二次データを生成する。データクリーニング部２３は、図４を用いて説明した手順により一次データに匿名化処理を行って二次データを生成してもよいし、ＥＣサイトの閲覧履歴情報を一次データとして取得し、当該一次データに匿名化処理を行って二次データを生成してもよい。なお、閲覧履歴情報とは、例えば、「誕生日自宅ワイン」で検索し、Ａページを見て、Ｂページへ移動した、などの情報である。

第１記憶部２４は、データクリーニング部２３で生成した二次データを記憶する。

仮想人格生成部２５は、第１記憶部２４に記憶されている二次データに基づいて、仮想人格モデルを生成する。

第２記憶部２６は、仮想人格生成部２５により生成された仮想人格モデルを記憶する。

検索部２２は、データ取得部２１で取得したユーザの情報（例えば、住所、性別など）に近い仮想人格モデルを第２記憶部２６に記憶されている仮想人格モデルの中から検索する。

行動予測部２７は、検索部２２で検索したユーザに近い仮想人格モデルから、当該ユーザの次の行動（例えば、興味を示す商品選択）を予測し、予測結果を当該ユーザに示す。

このようにして、情報処理装置１の各機能を活用したレコメンド装置２は、例えば、ユーザがあるＥＣサイトにアクセスしたときに、具体的な商品を選択する前に、ユーザの情報（例えば、住所、性別など）に基づいて、ユーザが興味を示す商品を推測してレコメンドすることができる。

また、本実施例では、主に、個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成することができる情報処理装置１の構成と動作について説明したが、これに限られず、各構成要素を備え、個人情報の有用性を保ちながら、匿名性を十分に担保した二次データを生成するための方法、およびプログラムとして構成されてもよい。

また、情報処理装置１を構成する各機能を実現するためのプログラムをコンピュータで読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、指示することによって実現してもよい。

具体的には、当該プログラムは、個人情報が含まれる一次データを入力する一次データ入力工程と、一次データ入力工程により入力された一次データを解析して、一次データに含まれている情報を項目ごとに特定する特定工程と、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の総評価値を評価する評価工程と、評価工程の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除した二次データを生成する二次データ生成工程と、をコンピュータによって実現するためのプログラムである。

さらに、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータで読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータで読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。

１情報処理装置、２レコメンド装置、１１一次データ入力部、１２特定部、１３評価部、１４二次データ生成部、１５記憶部、１６仮想モデル生成部、１７レコメンド部、２１データ取得部、２２検索部、２３データクリーニング部、２４第１記憶部、２５仮想人格生成部、２６第２記憶部、２７行動予測部。

Claims

個人情報が含まれる一次データを入力する一次データ入力部と、
前記一次データ入力部により入力された一次データを解析して、一次データに含まれている複数の情報を項目ごとに特定する特定部と、
予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の合計である総評価値を評価する評価部と、
前記評価部の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除し、一次データの各項目の情報を組み合わせ、項目の組み合わせが異なる複数の二次データを生成する二次データ生成部とを備える情報処理装置。
前記二次データ生成部は、単独で前記所定の閾値以上の評価値となる情報を削除する請求項１記載の情報処理装置。
前記二次データ生成部は、単独で第二の閾値以上の評価値の情報を他の情報と連結させる場合は、当該情報を抽象化することによって評価値を低減する請求項１または２記載の情報処理装置。
前記二次データ生成部により生成された複数の二次データに基づいて、機械学習により各二次データを関連付け、仮想人格モデルを生成する仮想モデル生成部を備える請求項１から３のいずれか一項に記載の情報処理装置。
前記仮想モデル生成部は、ユーザの情報と前記仮想人格モデルに基づいて、ユーザにレコメンドを行うレコメンド部とを備える請求項４に記載の情報処理装置。
一次データ入力部により、個人情報が含まれる一次データを入力する一次データ入力工程と、
特定部により、前記一次データ入力工程により入力された一次データを解析して、一次データに含まれている複数の情報を項目ごとに特定する特定工程と、
評価部により、予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の合計である総評価値を評価する評価工程と、
二次データ生成部により、前記評価工程の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除し、一次データの各項目の情報を組み合わせ、項目の組み合わせが異なる複数の二次データを生成する二次データ生成工程を備える情報処理方法。
個人情報が含まれる一次データを入力する一次データ入力工程と、
前記一次データ入力工程により入力された一次データを解析して、一次データに含まれている複数の情報を項目ごとに特定する特定工程と、
予め設定されている項目ごとの評価値に基づいて、一次データに含まれる各情報の合計である総評価値を評価する評価工程と、
前記評価工程の評価結果に基づいて、総評価値が所定の閾値を超えないように、各情報を変更または削除し、一次データの各項目の情報を組み合わせ、項目の組み合わせが異なる複数の二次データを生成する二次データ生成工程と、をコンピュータによって実現するための情報処理プログラム。