JP6773972B2 - データ変換プログラム、データ変換方法、およびデータ変換装置 - Google Patents
データ変換プログラム、データ変換方法、およびデータ変換装置 Download PDFInfo
- Publication number
- JP6773972B2 JP6773972B2 JP2016193267A JP2016193267A JP6773972B2 JP 6773972 B2 JP6773972 B2 JP 6773972B2 JP 2016193267 A JP2016193267 A JP 2016193267A JP 2016193267 A JP2016193267 A JP 2016193267A JP 6773972 B2 JP6773972 B2 JP 6773972B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- item
- target
- similarity
- items
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/82—Architectures of general purpose stored program computers data or demand driven
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/80—Architectures of general purpose stored program computers comprising an array of processing units with common control, e.g. single instruction multiple data processors
- G06F15/8053—Vector processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/153—Multidimensional correlation or convolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F2015/761—Indexing scheme relating to architectures of general purpose stored programme computers
- G06F2015/763—ASIC
Description
データ変換プログラムに基づいて、コンピュータは、まず複数の項目のいずれかに属する複数の第1項目値のうちの異なる項目に属する2以上の第1項目値間の関係を示す数値が設定された複数の第1レコードを有する第1データ、および複数の項目のいずれかに属する複数の第2項目値のうちの異なる項目に属する2以上の第2項目値間の関係を示す数値が設定された複数の第2レコードを有する第2データを取得する。次にコンピュータは、複数の項目それぞれを対象項目とし、対象項目ごとに、第1データ内の対象項目に属する対象第1項目値に関する他の第1項目値との関係と、第2データ内の対象項目に属する対象第2項目値に関する他の第2項目値との関係との類似度に基づいて、複数の項目のいずれかに属する複数の変換先項目値のうちの対象項目に属する対象変換先項目値への対象第1項目値の影響度を示す第1重み情報と、対象変換先項目値への対象第2項目値の影響度を示す第2重み情報とを生成する。次にコンピュータは、複数の項目それぞれについて生成された第1重み情報に基づいて、第1データを、複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値が設定された複数の第3レコードを有する第1類似判断用データに変換する。そしてコンピュータは、複数の項目それぞれについて生成された第2重み情報に基づいて、第2データを、複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値が設定された複数の第4レコードを有する第2類似判断用データに変換する。
〔第1の実施の形態〕
まず第1の実施の形態について説明する。
処理部12は、C11とC21の更新では、C12とC22を固定したときの、データ間類似度を最大化するC11とC21として算出する。データ間類似度E(X 1 ,X 2 )は、以下の式で表される。
このようにして、行列を用いて効率的にデータ変換を行い、類似度を計算することができる。
k31=S’1×R’1
=(w11×S1+w12×S2)×(w21×R1+w22×R2)
=w11×w21×S1×R1+w12×w21×S2×R1+w11×w22×S1×R2+w12×w22×S2×R2
=w11×w21×k11+w12×w21×k12+w11×w22×k13+w12×w22×k14
同様にして、第1類似判断用データ3と第2類似判断用データ4との「数値」の他の値(k31〜k34,k41〜k44)も算出できる。
なお上記の計算例は、簡単のために第1データ1と第2データ2との項目は2つだけとしているが、項目数がもっと多い場合、行列をテンソルに拡張することで類似度を計算できる。なお、行列は、テンソルの一例である。
〔第2の実施の形態〕
次に第2の実施の形態について説明する。第2の実施の形態は、通信ログを示す複数のデータ間の類似度を計算するものである。
図4は、監視サーバの機能の一例を示すブロック図である。監視サーバ100は、通信情報収集部110、通信ログ記憶部120、類似度計算部130、および類似度記憶部140を有する。
類似度計算部130は、単位期間ごとの通信ログを示すデータ間の類似度を計算する。類似度計算部130は、計算した類似度を、類似度記憶部140に格納する。
なお、図4に示した各要素間を接続する線は通信経路の一部を示すものであり、図示した通信経路以外の通信経路も設定可能である。また、図4に示した各要素の機能は、例えば、その要素に対応するプログラムモジュールをコンピュータに実行させることで実現することができる。
図5は、通信ログ記憶部の一例を示す図である。通信ログ記憶部120には、複数の単位期間ログ121,122,・・・が格納されている。単位期間ログ121,122,・・・それぞれには、通信ログの収集期間が示されている。単位期間ログ121,122,・・・には、収集期間で示された時間帯内に収集した通信情報が格納される。
類似度計算部130は、単位期間ログ121,122,・・・の通信元ホストと通信先ホストとを変数とみなして類似度の計算を行う。以下、第1の実施の形態における比較対象のデータの「項目」を「変数」と呼び、第1の実施の形態における「項目値」を「変数値」と呼ぶ。
類似度計算部130は、変換行列41,42を用いて、第1データ31を中間データ51に変換する。中間データ51には、「項S」の変数値と「項R」の変数値の組み合わせに対応する量が設定されている。中間データ51の「項S」の変数値には「S’1」または「S’2」が設定され、「項R」の変数値には「R’1」または「R’2」が設定されている。
=(−0.68)×(−0.32)×S1×R1+(−0.73)×(−0.32)×S2×R1+(−0.68)×(−0.94)×S1×R2+(−0.73)×(−0.94)×S2×R2
類似度計算部130は、「S1×R1」、「S2×R1」、「S1×R2」、「S2×R2」の値として、第1データ31における対応する「量」の値を代入する。図8の例では、「S1×R1=1」、「S2×R1=0」、「S1×R2=1」、「S2×R2=1」である。その結果、中間データ51における「量」の値が求まる。同様に、類似度計算部130は、第2データ32を変換行列43,44で変換して、中間データ52を生成する。
図10は、類似度計算処理の手順の一例を示すフローチャートである。以下、図10に示す処理をステップ番号に沿って説明する。類似度計算処理は、類似度の比較対象となる2つのデータが入力されたときに実行される。
[ステップS103]類似度計算部130は、中間データ間の類似度を算出する。類似度計算部130は、算出した類似度をメモリに一時的に保存する。
[ステップS105]類似度計算部130は、比較対象のデータそれぞれの変数値間の類似度を示す類似度行列を生成する。例えば類似度計算部130は、比較対象のデータそれぞれについて、選択した変数以外の変数を変換行列で変換した中間データを生成する。そして類似度計算部130は、中間データに示される変数値の量の値と、他の中間データに示される変数値の量の値との類似度を、それらの2つの変数値間の類似度を示す成分として、類似度行列に設定する。
[ステップS107]類似度計算部130は、すべての変数を選択したか否かを判断する。すべての変数の選択が選択済みとなった場合、処理がステップS108に進められる。未選択の変数があれば、処理がステップS104に進められる。
[ステップS109]類似度計算部130は、ステップS108で生成した中間データ間の類似度を算出する。
図11は、初期状態の変換行列を用いた中間データの生成例を示す図である。図11の例では、第1データ31と第2データ32とが比較対象のデータである。まず、第1データ31の「項S」の変換行列41と「項R」の変換行列42とが初期化され、初期状態の変換行列41,42を用いて、第1データ31が中間データ51に変換される。同様に、第2データ32の「項S」の変換行列43と「項R」の変換行列44とが初期化され、初期状態の変換行列43,44を用いて、第2データ32が中間データ52に変換される。そして、第1データ31の中間データ51と第2データ32の中間データ52との類似度が計算される。図11の例では、類似度が「0.40」である。
図12は、「項S」の変換行列の更新例を示す図である。第1データ31について、「項R」用の変換行列42を用いて、「項S」以外の変数値を変換した中間データ53が生成される。同様に第2データ32について、「項R」用の変換行列44を用いて、「項S」以外の変数値を変換した中間データ54が生成される。次に、生成された2つの中間データ53,54それぞれの変数値間の類似度を示す類似度行列61が生成される。そして類似度行列61に基づいて、掛け合わせることで類似度行列61と近似した値を得ることができる2つの変換行列41a,43aが生成される。
図13は、「項R」の変換行列の更新例を示す図である。第1データ31について、「項S」用の変換行列41aを用いて、「項R」以外の変数値を変換した中間データ55が生成される。同様に第2データ32について、「項S」用の変換行列43aを用いて、「項R」以外の変数値を変換した中間データ56が生成される。次に、生成された2つの中間データ55,56それぞれの変数値間の類似度を示す類似度行列62が生成される。そして類似度行列62に基づいて、掛け合わせることで類似度行列62と近似した値を得ることができる2つの変換行列42a,44aが生成される。
図14は、更新後の変換行列を用いた中間データの生成例を示す図である。更新後の変換行列41a,42aを用いて、第1データ31から中間データ53が生成される。同様に、更新後の変換行列43a,44aを用いて、第2データ32から中間データ54が生成される。そして、生成された中間データ53,54間の類似度が算出される。図14の例では、類似度は「0.91」である。
図15は、類似度計算の比較例を示す第1の図である。図15に示す第1データ71と第2データ72との類似度を計算する場合を想定する。人やモノの間の関係のしかたを分類するとき、第1データ71を採取した期間に「S1」の装置が担っていた役割を、第2データ72を採取した期間では「S2」の装置が担っている可能性がある。そこで図15の例では、通信元ホスト、通信先ホスト、およびポートを、別の変数値に対応付けて、各データ内のレコードの並べ替えを行っている。並べ替えにより、変換データ73,74が生成される。2つの変換データ73,74は、通信元ホスト、通信先ホスト、ポートの関係を示す変数値の組み合わせの順番が統一されている。図15の例では、変換データ73,74の最上位には、「S’1」、「R’1」、「P’1」の組み合わせを示すレコードが登録され、その次に「S’1」、「R’1」、「P’2」の組み合わせを示すレコードが登録されている。
第2の実施の形態では、単位期間ごとの通信ログ間の類似度を計算する例を示したが、同じ技術により、他の様々な情報の類似度を計算可能である。また単に類似度の計算結果は、例えば情報の分類、データマイニング、機械学習などの様々な分野に利用できる。
2 第2データ
3 第1類似判断用データ
4 第2類似判断用データ
5,6 第1重み情報
7,8 第2重み情報
10 データ変換装置
11 記憶部
12 処理部
Claims (7)
- コンピュータに、
複数の項目のいずれかに属する複数の第1項目値のうちの異なる項目に属する2以上の第1項目値間の関係を示す数値が設定された複数の第1レコードを有する第1データ、および前記複数の項目のいずれかに属する複数の第2項目値のうちの異なる項目に属する2以上の第2項目値間の関係を示す数値が設定された複数の第2レコードを有する第2データを取得し、
前記複数の項目それぞれを対象項目とし、前記対象項目ごとに、前記第1データ内の前記対象項目に属する対象第1項目値に関する他の第1項目値との関係と、前記第2データ内の前記対象項目に属する対象第2項目値に関する他の第2項目値との関係との類似度を維持したまま前記第1データと前記第2データとを変換させることができ、前記第1データを変換して生成される第1類似判断用データと前記第2データを変換して生成される第2類似判断用データとの類似度が向上するように最適化された、前記複数の項目のいずれかに属する複数の変換先項目値のうちの前記対象項目に属する対象変換先項目値への前記対象第1項目値の影響度を示す第1重み情報と、前記対象変換先項目値への前記対象第2項目値の影響度を示す第2重み情報とを生成し、
前記複数の項目それぞれについて生成された前記第1重み情報に基づいて、前記第1データを、前記複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値として、前記複数の第1レコードにおける各第1レコードの数値に該第1レコードの2以上の第1項目値それぞれの2以上の変換先項目値のいずれかへの影響度に応じた重み付けを行った値の合計が設定された複数の第3レコードを有する前記第1類似判断用データに変換し、
前記複数の項目それぞれについて生成された前記第2重み情報に基づいて、前記第2データを、前記複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値として、前記複数の第2レコードにおける各第2レコードの数値に該第2レコードの2以上の第1項目値それぞれの2以上の変換先項目値のいずれかへの影響度に応じた重み付けを行った値の合計が設定された複数の第4レコードを有する前記第2類似判断用データに変換する、
処理を実行させるデータ変換プログラム。 - 前記第1重み情報と前記第2重み情報との生成では、前記複数の項目それぞれについて、初期値が設定された前記第1重み情報と前記第2重み情報とを生成し、前記対象項目以外の項目について生成された他項目第1重み情報と他項目第2重み情報とに基づいて、前記第1データ内の前記対象項目に属する前記対象第1項目値に関する他の第1項目値との関係と、前記第2データ内の前記対象項目に属する前記対象第2項目値に関する他の第2項目値との関係との類似度を計算する、
請求項1記載のデータ変換プログラム。 - 前記第1重み情報と前記第2重み情報との生成では、所定の終了条件を満たすまで、前記複数の項目それぞれを、繰り返し前記対象項目として、前記対象項目に対する前記第1重み情報と前記第2重み情報とを生成する、
処理を実行させる請求項1または2記載のデータ変換プログラム。 - 前記コンピュータに、さらに、
前記第1類似判断用データ内の前記複数の第3レコードに含まれる数値群と、前記第2類似判断用データ内の前記複数の第4レコードに含まれる数値群との類似度を計算する、
処理を実行させる請求項1乃至3のいずれかに記載のデータ変換プログラム。 - 前記第1重み情報は、前記複数の変換先項目値それぞれへの、前記対象第1項目値それぞれの影響度を示す重み値を成分とする、正規直交条件を満たす行列であり、
前記第2重み情報は、前記複数の変換先項目値それぞれへの、前記対象第2項目値それぞれの影響度を示す重み値を成分とする、正規直交条件を満たす行列である、
請求項1乃至4のいずれかに記載のデータ変換プログラム。 - コンピュータが、
複数の項目のいずれかに属する複数の第1項目値のうちの異なる項目に属する2以上の第1項目値間の関係を示す数値が設定された複数の第1レコードを有する第1データ、および前記複数の項目のいずれかに属する複数の第2項目値のうちの異なる項目に属する2以上の第2項目値間の関係を示す数値が設定された複数の第2レコードを有する第2データを取得し、
前記複数の項目それぞれを対象項目とし、前記対象項目ごとに、前記第1データ内の前記対象項目に属する対象第1項目値に関する他の第1項目値との関係と、前記第2データ内の前記対象項目に属する対象第2項目値に関する他の第2項目値との関係との類似度を維持したまま前記第1データと前記第2データとを変換させることができ、前記第1データを変換して生成される第1類似判断用データと前記第2データを変換して生成される第2類似判断用データとの類似度が向上するように最適化された、前記複数の項目のいずれかに属する複数の変換先項目値のうちの前記対象項目に属する対象変換先項目値への前記対象第1項目値の影響度を示す第1重み情報と、前記対象変換先項目値への前記対象第2項目値の影響度を示す第2重み情報とを生成し、
前記複数の項目それぞれについて生成された前記第1重み情報に基づいて、前記第1データを、前記複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値として、前記複数の第1レコードにおける各第1レコードの数値に該第1レコードの2以上の第1項目値それぞれの2以上の変換先項目値のいずれかへの影響度に応じた重み付けを行った値の合計が設定された複数の第3レコードを有する前記第1類似判断用データに変換し、
前記複数の項目それぞれについて生成された前記第2重み情報に基づいて、前記第2データを、前記複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値として、前記複数の第2レコードにおける各第2レコードの数値に該第2レコードの2以上の第1項目値それぞれの2以上の変換先項目値のいずれかへの影響度に応じた重み付けを行った値の合計が設定された複数の第4レコードを有する前記第2類似判断用データに変換する、
データ変換方法。 - 複数の項目のいずれかに属する複数の第1項目値のうちの異なる項目に属する2以上の第1項目値間の関係を示す数値が設定された複数の第1レコードを有する第1データ、および前記複数の項目のいずれかに属する複数の第2項目値のうちの異なる項目に属する2以上の第2項目値間の関係を示す数値が設定された複数の第2レコードを有する第2データを記憶する記憶部と、
前記複数の項目それぞれを対象項目とし、前記対象項目ごとに、前記第1データ内の前記対象項目に属する対象第1項目値に関する他の第1項目値との関係と、前記第2データ内の前記対象項目に属する対象第2項目値に関する他の第2項目値との関係との類似度を維持したまま前記第1データと前記第2データとを変換させることができ、前記第1データを変換して生成される第1類似判断用データと前記第2データを変換して生成される第2類似判断用データとの類似度が向上するように最適化された、前記複数の項目のいずれかに属する複数の変換先項目値のうちの前記対象項目に属する対象変換先項目値への前記対象第1項目値の影響度を示す第1重み情報と、前記対象変換先項目値への前記対象第2項目値の影響度を示す第2重み情報とを生成し、前記複数の項目それぞれについて生成された前記第1重み情報に基づいて、前記第1データを、前記複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値として、前記複数の第1レコードにおける各第1レコードの数値に該第1レコードの2以上の第1項目値それぞれの2以上の変換先項目値のいずれかへの影響度に応じた重み付けを行った値の合計が設定された複数の第3レコードを有する前記第1類似判断用データに変換し、前記複数の項目それぞれについて生成された前記第2重み情報に基づいて、前記第2データを、前記複数の変換先項目値のうちの異なる項目に属する2以上の変換先項目値間の関係を示す数値として、前記複数の第2レコードにおける各第2レコードの数値に該第2レコードの2以上の第1項目値それぞれの2以上の変換先項目値のいずれかへの影響度に応じた重み付けを行った値の合計が設定された複数の第4レコードを有する前記第2類似判断用データに変換する処理部と、
を有するデータ変換装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016193267A JP6773972B2 (ja) | 2016-09-30 | 2016-09-30 | データ変換プログラム、データ変換方法、およびデータ変換装置 |
US15/720,998 US10769100B2 (en) | 2016-09-30 | 2017-09-29 | Method and apparatus for transforming data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016193267A JP6773972B2 (ja) | 2016-09-30 | 2016-09-30 | データ変換プログラム、データ変換方法、およびデータ変換装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018055551A JP2018055551A (ja) | 2018-04-05 |
JP6773972B2 true JP6773972B2 (ja) | 2020-10-21 |
Family
ID=61758974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016193267A Active JP6773972B2 (ja) | 2016-09-30 | 2016-09-30 | データ変換プログラム、データ変換方法、およびデータ変換装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10769100B2 (ja) |
JP (1) | JP6773972B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460374B2 (en) | 2017-01-17 | 2019-10-29 | Bank Of America Corporation | Capturing and extracting fragmented data and data processing using machine learning |
WO2021044500A1 (ja) * | 2019-09-02 | 2021-03-11 | オムロン株式会社 | 異常に対する処理の支援装置 |
CN112990711B (zh) * | 2021-03-19 | 2023-11-17 | 云南建投第九建设有限公司 | 基于现场施工的铝合金模板施工监测方法及系统 |
JPWO2022259336A1 (ja) * | 2021-06-07 | 2022-12-15 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3577972B2 (ja) * | 1998-10-19 | 2004-10-20 | 日本電信電話株式会社 | 類似度判定方法及び文書検索装置及び文書分類装置及び文書検索プログラムを格納した記憶媒体及び文書分類プログラムを格納した記憶媒体 |
JP4039488B2 (ja) * | 2003-08-18 | 2008-01-30 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 多頻度パターン抽出装置、多頻度パターン抽出方法、及びそのプログラムと記録媒体 |
JP4494036B2 (ja) * | 2004-02-25 | 2010-06-30 | 卓夫 小林 | データベース生成装置、データ分析装置およびデータベース検索装置 |
US20080275651A1 (en) * | 2006-10-24 | 2008-11-06 | Predrag Radivojac | Methods for inferring the presence of a protein in a sample |
JP2009025853A (ja) * | 2007-07-17 | 2009-02-05 | Mitsubishi Electric Corp | パターン認識装置 |
JP5364996B2 (ja) * | 2007-12-17 | 2013-12-11 | 日本電気株式会社 | 類似ユーザ発見システム、類似ユーザ発見方法および類似ユーザ発見プログラム |
JP5200750B2 (ja) * | 2008-08-08 | 2013-06-05 | 株式会社リコー | 情報検索装置、情報検索方法、プログラム、および記録媒体 |
JP6155833B2 (ja) * | 2013-05-16 | 2017-07-05 | 富士通株式会社 | 伝達情報変動検知方法、伝達情報変動検知装置および伝達情報変動検知プログラム |
US20160057159A1 (en) * | 2014-08-22 | 2016-02-25 | Syracuse University | Semantics-aware android malware classification |
-
2016
- 2016-09-30 JP JP2016193267A patent/JP6773972B2/ja active Active
-
2017
- 2017-09-29 US US15/720,998 patent/US10769100B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018055551A (ja) | 2018-04-05 |
US10769100B2 (en) | 2020-09-08 |
US20180095933A1 (en) | 2018-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6751235B2 (ja) | 機械学習プログラム、機械学習方法、および機械学習装置 | |
JP7000766B2 (ja) | 学習データ選択プログラム、学習データ選択方法、および、学習データ選択装置 | |
TWI688917B (zh) | 風險識別模型構建和風險識別方法、裝置及設備 | |
US10186060B2 (en) | Method for processing graphs and information processing apparatus | |
EP3635602B1 (en) | Validating correlation between chains of alerts using cloud view | |
JP6773972B2 (ja) | データ変換プログラム、データ変換方法、およびデータ変換装置 | |
JP6898562B2 (ja) | 機械学習プログラム、機械学習方法、および機械学習装置 | |
KR101879416B1 (ko) | 이상 금융거래 탐지 방법 및 그 전자 장치 | |
US10210189B2 (en) | Root cause analysis of performance problems | |
US20160292578A1 (en) | Predictive modeling of data clusters | |
US20170103214A1 (en) | Testing insecure computing environments using random data sets generated from characterizations of real data sets | |
US10489714B2 (en) | Fingerprinting and matching log streams | |
CN113033458B (zh) | 动作识别方法和装置 | |
US11222270B2 (en) | Using learned application flow to predict outcomes and identify trouble spots in network business transactions | |
JP2023015340A (ja) | ノード情報推定方法、ノード情報推定プログラムおよび情報処理装置 | |
CN114896291A (zh) | 多智能体模型的训练方法和排序方法 | |
US11410065B2 (en) | Storage medium, model output method, and model output device | |
CN111382417B (zh) | 使用一系列设备指纹识别来自用户设备的欺诈行为的系统和方法 | |
US9460393B2 (en) | Inference of anomalous behavior of members of cohorts and associate actors related to the anomalous behavior based on divergent movement from the cohort context centroid | |
Charlier et al. | Profiling smart contracts interactions with tensor decomposition and graph mining | |
US20180033073A1 (en) | Using Learned Application Flow to Assist Users in Network Business Transaction Based Apps | |
CN113508371B (zh) | 用于改进计算机标识的系统和方法 | |
EP4131084A1 (en) | Program, data processing method, and data processing apparatus | |
US11983720B2 (en) | Mixed quantum-classical method for fraud detection with quantum feature selection | |
WO2024013939A1 (ja) | 機械学習プログラム、機械学習方法、および情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190611 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190613 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190613 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200602 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200803 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200901 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6773972 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |