JP7513125B2 - 学習データ生成システム、方法、プログラム、モデル生成システム及びログ生成システム - Google Patents
学習データ生成システム、方法、プログラム、モデル生成システム及びログ生成システム Download PDFInfo
- Publication number
- JP7513125B2 JP7513125B2 JP2022577906A JP2022577906A JP7513125B2 JP 7513125 B2 JP7513125 B2 JP 7513125B2 JP 2022577906 A JP2022577906 A JP 2022577906A JP 2022577906 A JP2022577906 A JP 2022577906A JP 7513125 B2 JP7513125 B2 JP 7513125B2
- Authority
- JP
- Japan
- Prior art keywords
- application
- tag information
- learning data
- existing
- user operation
- 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
- 238000000034 method Methods 0.000 title claims description 58
- 238000012549 training Methods 0.000 title claims description 20
- 230000008569 process Effects 0.000 claims description 46
- 238000010586 diagram Methods 0.000 description 26
- 238000013500 data storage Methods 0.000 description 25
- 238000004891 communication Methods 0.000 description 20
- 101100055496 Arabidopsis thaliana APP2 gene Proteins 0.000 description 13
- 101100016250 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) GYL1 gene Proteins 0.000 description 13
- 230000015654 memory Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 101150053844 APP1 gene Proteins 0.000 description 5
- 101100189105 Homo sapiens PABPC4 gene Proteins 0.000 description 5
- 102100039424 Polyadenylate-binding protein 4 Human genes 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 102100038359 Xaa-Pro aminopeptidase 3 Human genes 0.000 description 3
- 101710081949 Xaa-Pro aminopeptidase 3 Proteins 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Description
まず、本開示の実施形態1について説明する。図1は、実施形態1にかかる学習データ生成システム300の構成を示すブロック図である。学習データ生成システム300は、ユーザ操作モデルを学習するための学習データを生成するコンピュータシステムである。ユーザ操作モデルとは、アプリケーション上で特定の処理を実行するためのユーザの操作(ユーザ操作)を推定するモデルである。ここで、対応する学習データが既に生成されているアプリケーションを、既存アプリケーションと呼ぶものとする。「対応する学習データが既に生成されている」とは、対応する学習データがユーザ操作モデルの学習に必要な量だけ生成されていることを含む。また、対応する学習データが十分でないアプリケーションを、対象アプリケーションと呼ぶものとする。「対応する学習データが十分でない」とは、対応する学習データが全くないこと、及び対応する学習データがユーザ操作モデルの学習に必要な量に満たないことを含む。学習データ生成システム300は、対象アプリケーションに対応する学習データを、既に生成されているアプリケーションの学習データから生成することで、学習データを拡張する学習データ拡張システムとして機能する。
次に、本開示の実施形態2について説明する。学習データ生成システム300が適用されることができるログ生成システム1の一例を、図2に示す。図2は、実施形態2にかかるログ生成システム1の概略構成図である。ログ生成システム1は、サイバーセキュリティ演習で必要な、正常ログを模擬した模擬ログから構成される模擬ログデータを生成するコンピュータシステムである。ここで正常ログは、設定環境下で通常業務として行われる操作にかかるログを指す。ログとは、複数行のログテキストから構成される記録を指す。なお、以下では、対象アプリケーションを、追加アプリケーションと称する。
ログ生成装置10は、ユーザ操作モデルを生成するモデル生成装置20を有するコンピュータ装置である。ログ生成装置10は、モデル生成装置20によって生成されたユーザ操作モデルを用いてユーザ操作を推定し、ユーザ操作にかかる模擬ログから構成される模擬ログデータを生成する。ログ生成装置10は、モデル生成装置20に加え、パラメータ取得部11と、模擬ログ生成部12と、実操作ルール記憶部13と、模擬ログ記憶部15とを有する。
モデル生成装置20は、学習データを生成する学習データ生成装置30を含み、生成された学習データを用いて、ユーザ操作モデルを学習するコンピュータ装置である。モデル生成装置20は、学習データ生成装置30に加え、モード選択部21と、操作履歴取得部22と、学習データ記憶部23と、モデル生成部24と、モデルデータ記憶部25とを含む。
パラメータ取得部11は、模擬ログ生成部12による処理で用いるシステムパラメータを取得する。システムパラメータとしては、コンピュータ名、ユーザ名、IPアドレス、ログの生成開始時刻、ログの生成終了時刻が挙げられる。また、システムパラメータは、例えば、ログ生成装置10の管理者によって作成され、その後、管理者の端末等を介して入力される。
端末装置40は、ログ生成装置10のログ情報通信部14との間でデータ通信を行うコンピュータ端末装置である。端末装置40は、ログ情報通信部14から受信した操作コマンドを実行し、実行に際して生成されたログを収集し、収集したログをログデータとしてログ生成装置10のログ情報通信部14に送信する。
まずログ生成装置10の模擬ログ生成部12は、モデルデータ記憶部25から学習済又は追加学習済のユーザ操作モデルのモデルデータを取得する(ステップS30)。続いて、模擬ログ生成部12は、パラメータ取得部11を介して、システムパラメータを取得する(ステップS31)。模擬ログ生成部12は、ユーザ操作モデルを用いて、次の時点での、アプリケーションID並びにユーザ操作IDの組み合わせを推定する(ステップS32)。続いて模擬ログ生成部12は、実操作ルール記憶部13から、推定したアプリケーションID及びユーザ操作IDに対応する実操作テンプレートを取得し、実操作テンプレートにシステムパラメータを適用させて、操作コマンドを生成する(ステップS33)。続いて模擬ログ生成部12は、生成した操作コマンドを、ログ情報通信部14を介して、端末装置40に送信する(ステップS34)。模擬ログ生成部12は、ログ情報通信部14を介して、端末装置40から操作コマンド実行時に生成される模擬ログデータを、模擬ログ記憶部15に格納する(ステップS35)。
次に、本開示の実施形態3について説明する。実施形態3では、ログ生成装置は、操作コマンドを介して模擬ログデータを端末装置から回収することに代えて、ログテンプレートからログデータを生成する。
(付記1)
アプリケーション上のユーザ操作を推定するユーザ操作モデル、を生成するための学習データが、ユーザ操作履歴に基づいて既に生成されているアプリケーションを、既存アプリケーションとして特定し、前記既存アプリケーションの各々について、その既存アプリケーションの特徴を示すタグ情報を既存タグ情報として取得する既存タグ情報取得手段と、
対象アプリケーションについて、前記対象アプリケーションの特徴を示すタグ情報を対象タグ情報として取得する対象タグ情報取得手段と、
前記対象タグ情報と前記既存タグ情報の各々との間の類似度を算出し、前記類似度に基づいて、前記既存アプリケーションから、前記対象アプリケーションに類似する類似アプリケーションを選択する選択手段と、
前記類似アプリケーションに対応する学習データから、前記対象アプリケーションに対応する学習データを生成する学習データ生成手段と
を備える学習データ生成システム。
(付記2)
既存タグ情報及び対象タグ情報は、それぞれ、対応するアプリケーションの特徴を類型化した、予め定められた1又は複数の個別タグを含み、
前記選択手段は、前記既存タグ情報の各々について、前記対象タグ情報との間の、個別タグで構成される集合の類似度を算出することにより前記対象タグ情報との間の類似度を算出する
付記1に記載の学習データ生成システム。
(付記3)
前記選択手段は、指定された個別タグに所定の重みを付して、前記対象タグ情報と前記既存タグ情報の各々との間の、個別タグで構成される集合の類似度を算出する
付記2に記載の学習データ生成システム。
(付記4)
前記選択手段は、前記対象タグ情報との間の類似度が所定値以上の既存タグ情報に対応する1又は複数の既存アプリケーションを、前記類似アプリケーションとして選択し、
前記学習データ生成手段は、複数の前記類似アプリケーションの各々について、類似度に応じた量の前記類似アプリケーションに対応する学習データから、前記対象アプリケーションに対応する学習データを生成する
付記1から3のいずれか一項に記載の学習データ生成システム。
(付記5)
前記選択手段は、前記対象タグ情報との間の類似度が所定値以上で、かつ前記対象タグ情報との間で所定の個別タグが一致する既存タグ情報に対応する既存アプリケーションを、前記類似アプリケーションとして選択する
付記1から4のいずれか一項に記載の学習データ生成システム。
(付記6)
前記選択手段は、前記対象タグ情報との間の類似度が最も高い既存タグ情報に対応する既存アプリケーションを、前記類似アプリケーションとして選択する
付記1から3のいずれか一項に記載の学習データ生成システム。
(付記7)
前記学習データ生成手段は、前記類似アプリケーションに対応する学習データに含まれる、前記類似アプリケーションの識別情報を、前記対象アプリケーションの識別情報に変換し、その結果、前記対象アプリケーションに対応する学習データを生成する
付記1から6のいずれか一項に記載の学習データ生成システム。
(付記8)
前記ユーザ操作モデルは、アプリケーションの種別及びユーザ操作の種別の組み合わせを示す情報の時系列データを学習データとして、アプリケーションの種別及びユーザ操作の種別の組み合わせを示す情報を出力とする
付記1から7のいずれか一項に記載の学習データ生成システム。
(付記9)
付記1~8のいずれか一項に記載の学習データ生成システムを備え、
生成された前記学習データを用いて、前記ユーザ操作モデルを学習する
モデル生成システム。
(付記10)
付記9に記載のモデル生成システムを備え、
生成された前記ユーザ操作モデルを用いてユーザ操作を推定し、前記ユーザ操作にかかる模擬ログを生成する
ログ生成システム。
(付記11)
前記ユーザ操作モデルを用いて推定されるユーザ操作を、該ユーザ操作に対応するアプリケーション識別情報に応じた操作コマンドに変換し、
前記操作コマンドを、該アプリケーションがインストールされた端末装置に送信し、
前記端末装置から前記操作コマンドに対応するログを、前記ユーザ操作にかかる模擬ログとして受信する
付記10に記載のログ生成システム。
(付記12)
アプリケーション上のユーザ操作を推定するユーザ操作モデル、を生成するための学習データが、ユーザ操作履歴に基づいて既に生成されているアプリケーションを、既存アプリケーションとして特定し、前記既存アプリケーションの各々について、その既存アプリケーションの特徴を示すタグ情報を既存タグ情報として取得する既存タグ情報取得段階と、
対象アプリケーションについて、前記対象アプリケーションの特徴を示すタグ情報を対象タグ情報として取得する対象タグ情報取得段階と、
前記対象タグ情報と前記既存タグ情報の各々との間の類似度を算出し、前記類似度に基づいて、前記既存アプリケーションから、前記対象アプリケーションに類似する類似アプリケーションを選択する選択段階と、
前記類似アプリケーションに対応する学習データから、対象アプリケーションに対応する学習データを生成する学習データ生成段階と
学習データ生成方法。
(付記13)
コンピュータに、
アプリケーション上のユーザ操作を推定するユーザ操作モデル、を生成するための学習データが、ユーザ操作履歴に基づいて既に生成されているアプリケーションを、既存アプリケーションとして特定し、前記既存アプリケーションの各々について、その既存アプリケーションの特徴を示すタグ情報を既存タグ情報として取得する既存タグ情報取得処理と、
対象アプリケーションについて、前記対象アプリケーションの特徴を示すタグ情報を対象タグ情報として取得する対象タグ情報取得処理と、
前記対象タグ情報と前記既存タグ情報の各々との間の類似度を算出し、前記類似度に基づいて、前記既存アプリケーションから、前記対象アプリケーションに類似する類似アプリケーションを選択する選択処理と、
前記類似アプリケーションに対応する学習データから、対象アプリケーションに対応する学習データを生成する学習データ生成処理と
を実行させるためのプログラムが格納された非一時的なコンピュータ可読媒体。
10,10a ログ生成装置
11 パラメータ取得部
12,12a 模擬ログ生成部
13 実操作ルール記憶部
14 ログ情報通信部
15 模擬ログ記憶部
16 対応テーブル
20 モデル生成装置(モデル生成システム)
21 モード選択部
22 操作履歴取得部
23 学習データ記憶部
24 モデル生成部
25 モデルデータ記憶部
30 学習データ生成装置(学習データ生成システム)
31 モデルデータ取得部
32 既存タグ情報取得部
33 タグ付与規則記憶部
34 追加アプリ入力部
35 追加タグ情報取得部
36 選択部
37 学習データ生成部
40 端末装置
300 学習データ生成システム
320 既存タグ情報取得部
350 対象タグ情報取得部
360 選択部
370 学習データ生成部
1000 コンピュータ
1010 プロセッサ
1020 記憶部
1030 ROM
1040 RAM
1050 通信インタフェース
1060 ユーザインタフェース
Claims (13)
- アプリケーション上のユーザ操作を推定するユーザ操作モデル、を生成するための学習データが、ユーザ操作履歴に基づいて既に生成されているアプリケーションを、既存アプリケーションとして特定し、前記既存アプリケーションの各々について、その既存アプリケーションの特徴を示すタグ情報を既存タグ情報として取得する既存タグ情報取得手段と、
対象アプリケーションについて、前記対象アプリケーションの特徴を示すタグ情報を対象タグ情報として取得する対象タグ情報取得手段と、
前記対象タグ情報と前記既存タグ情報の各々との間の類似度を算出し、前記類似度に基づいて、前記既存アプリケーションから、前記対象アプリケーションに類似する類似アプリケーションを選択する選択手段と、
前記類似アプリケーションに対応する学習データから、前記対象アプリケーションに対応する学習データを生成する学習データ生成手段と
を備える学習データ生成システム。 - 既存タグ情報及び対象タグ情報は、それぞれ、対応するアプリケーションの特徴を類型化した、予め定められた1又は複数の個別タグを含み、
前記選択手段は、前記既存タグ情報の各々について、前記対象タグ情報との間の、個別タグで構成される集合の類似度を算出することにより前記対象タグ情報との間の類似度を算出する
請求項1に記載の学習データ生成システム。 - 前記選択手段は、指定された個別タグに所定の重みを付して、前記対象タグ情報と前記既存タグ情報の各々との間の、個別タグで構成される集合の類似度を算出する
請求項2に記載の学習データ生成システム。 - 前記選択手段は、前記対象タグ情報との間の類似度が所定値以上の既存タグ情報に対応する1又は複数の既存アプリケーションを、前記類似アプリケーションとして選択し、
前記学習データ生成手段は、複数の前記類似アプリケーションの各々について、類似度に応じた量の前記類似アプリケーションに対応する学習データから、前記対象アプリケーションに対応する学習データを生成する
請求項1から3のいずれか一項に記載の学習データ生成システム。 - 前記選択手段は、前記対象タグ情報との間の類似度が所定値以上で、かつ前記対象タグ情報との間で所定の個別タグが一致する既存タグ情報に対応する既存アプリケーションを、前記類似アプリケーションとして選択する
請求項1から4のいずれか一項に記載の学習データ生成システム。 - 前記選択手段は、前記対象タグ情報との間の類似度が最も高い既存タグ情報に対応する既存アプリケーションを、前記類似アプリケーションとして選択する
請求項1から3のいずれか一項に記載の学習データ生成システム。 - 前記学習データ生成手段は、前記類似アプリケーションに対応する学習データに含まれる、前記類似アプリケーションの識別情報を、前記対象アプリケーションの識別情報に変換し、その結果、前記対象アプリケーションに対応する学習データを生成する
請求項1から6のいずれか一項に記載の学習データ生成システム。 - 前記ユーザ操作モデルは、アプリケーションの種別及びユーザ操作の種別の組み合わせを示す情報の時系列データを学習データとして、アプリケーションの種別及びユーザ操作の種別の組み合わせを示す情報を出力とする
請求項1から7のいずれか一項に記載の学習データ生成システム。 - 請求項1から8のいずれか一項に記載の学習データ生成システムを備え、
生成された前記学習データを用いて、前記ユーザ操作モデルを学習する
モデル生成システム。 - 請求項9に記載のモデル生成システムを備え、
生成された前記ユーザ操作モデルを用いてユーザ操作を推定し、前記ユーザ操作にかかる模擬ログを生成する
ログ生成システム。 - 前記ユーザ操作モデルを用いて推定されるユーザ操作を、該ユーザ操作に対応するアプリケーション識別情報に応じた操作コマンドに変換し、
前記操作コマンドを、該アプリケーションがインストールされた端末装置に送信し、
前記端末装置から前記操作コマンドに対応するログを、前記ユーザ操作にかかる模擬ログとして受信する
請求項10に記載のログ生成システム。 - コンピュータが、アプリケーション上のユーザ操作を推定するユーザ操作モデル、を生成するための学習データが、ユーザ操作履歴に基づいて既に生成されているアプリケーションを、既存アプリケーションとして特定し、前記既存アプリケーションの各々について、その既存アプリケーションの特徴を示すタグ情報を既存タグ情報として取得する既存タグ情報取得段階と、
コンピュータが、対象アプリケーションについて、前記対象アプリケーションの特徴を示すタグ情報を対象タグ情報として取得する対象タグ情報取得段階と、
コンピュータが、前記対象タグ情報と前記既存タグ情報の各々との間の類似度を算出し、前記類似度に基づいて、前記既存アプリケーションから、前記対象アプリケーションに類似する類似アプリケーションを選択する選択段階と、
コンピュータが、前記類似アプリケーションに対応する学習データから、対象アプリケーションに対応する学習データを生成する学習データ生成段階と、
を備える学習データ生成方法。 - コンピュータに、
アプリケーション上のユーザ操作を推定するユーザ操作モデル、を生成するための学習データが、ユーザ操作履歴に基づいて既に生成されているアプリケーションを、既存アプリケーションとして特定し、前記既存アプリケーションの各々について、その既存アプリケーションの特徴を示すタグ情報を既存タグ情報として取得する既存タグ情報取得処理と、
対象アプリケーションについて、前記対象アプリケーションの特徴を示すタグ情報を対象タグ情報として取得する対象タグ情報取得処理と、
前記対象タグ情報と前記既存タグ情報の各々との間の類似度を算出し、前記類似度に基づいて、前記既存アプリケーションから、前記対象アプリケーションに類似する類似アプリケーションを選択する選択処理と、
前記類似アプリケーションに対応する学習データから、対象アプリケーションに対応する学習データを生成する学習データ生成処理と
を実行させるためのプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/002979 WO2022162820A1 (ja) | 2021-01-28 | 2021-01-28 | 学習データ生成システム、方法、コンピュータ可読媒体、モデル生成システム及びログ生成システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022162820A1 JPWO2022162820A1 (ja) | 2022-08-04 |
JPWO2022162820A5 JPWO2022162820A5 (ja) | 2023-09-22 |
JP7513125B2 true JP7513125B2 (ja) | 2024-07-09 |
Family
ID=82653203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022577906A Active JP7513125B2 (ja) | 2021-01-28 | 2021-01-28 | 学習データ生成システム、方法、プログラム、モデル生成システム及びログ生成システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240119259A1 (ja) |
JP (1) | JP7513125B2 (ja) |
WO (1) | WO2022162820A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5926872B1 (ja) | 2016-02-01 | 2016-05-25 | ヤフー株式会社 | 配信装置、配信方法、及び配信プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0876955A (ja) * | 1994-09-01 | 1996-03-22 | Fujitsu Ltd | 選択事項表示システムおよび方法 |
-
2021
- 2021-01-28 JP JP2022577906A patent/JP7513125B2/ja active Active
- 2021-01-28 US US18/273,479 patent/US20240119259A1/en active Pending
- 2021-01-28 WO PCT/JP2021/002979 patent/WO2022162820A1/ja active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5926872B1 (ja) | 2016-02-01 | 2016-05-25 | ヤフー株式会社 | 配信装置、配信方法、及び配信プログラム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022162820A1 (ja) | 2022-08-04 |
US20240119259A1 (en) | 2024-04-11 |
WO2022162820A1 (ja) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086199B (zh) | 一种自动化生成测试脚本的方法、终端和可存储介质 | |
JPWO2018235252A1 (ja) | 分析装置、ログの分析方法及び分析プログラム | |
JP7172612B2 (ja) | データ拡張プログラム、データ拡張方法およびデータ拡張装置 | |
CN107003931B (zh) | 将测试验证从测试执行分离 | |
US20200233624A1 (en) | Method, device and computer program product for updating user interface | |
JP3737714B2 (ja) | エンドユーザ・トランザクションを識別するための方法及び装置 | |
CN108446398A (zh) | 一种数据库的生成方法及装置 | |
US20220222576A1 (en) | Data generation apparatus, method and learning apparatus | |
JP7513125B2 (ja) | 学習データ生成システム、方法、プログラム、モデル生成システム及びログ生成システム | |
CN110209780A (zh) | 一种问题模板生成方法、装置、服务器及存储介质 | |
CN112989364B (zh) | 用于数据仿真的方法、设备和计算机程序产品 | |
JP5718166B2 (ja) | 設計検証方法及びプログラム | |
KR20150128711A (ko) | 컴퓨터 시스템 활동의 트레이스 타임라인을 분석하기 위한 방법 및 시스템 | |
JP2015018372A (ja) | 表現抽出モデル学習装置、表現抽出モデル学習方法、および、コンピュータ・プログラム | |
CN111737090B (zh) | 日志仿真方法、装置、计算机设备和存储介质 | |
JPWO2020065737A1 (ja) | 影響範囲推定装置、影響範囲推定方法、及びプログラム | |
TWI756867B (zh) | 在作業系統標記物件標籤及產生安全政策的方法及系統 | |
JP2023183447A (ja) | 書換プログラム、書換方法および情報処理装置 | |
US11194966B1 (en) | Management of concepts and intents in conversational systems | |
JP7135730B2 (ja) | 要約生成方法及び要約生成プログラム | |
JP2023075780A (ja) | プログラム、情報処理方法、及び情報処理装置 | |
WO2021205589A1 (ja) | テストスクリプト生成装置、テストスクリプト生成方法及びプログラム | |
JP7421196B2 (ja) | ログ生成システム、ログ生成方法およびログ生成プログラム | |
JP6907703B2 (ja) | 解析装置、解析方法、および解析プログラム | |
AU2023202586B2 (en) | Automatic flow implementation from text input |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230630 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240423 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240513 |
|
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: 20240528 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240610 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7513125 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |