WO2018061700A1 - モデル提供方法、プログラム、分析処理装置、処理実行方法 - Google Patents
モデル提供方法、プログラム、分析処理装置、処理実行方法 Download PDFInfo
- Publication number
- WO2018061700A1 WO2018061700A1 PCT/JP2017/032308 JP2017032308W WO2018061700A1 WO 2018061700 A1 WO2018061700 A1 WO 2018061700A1 JP 2017032308 W JP2017032308 W JP 2017032308W WO 2018061700 A1 WO2018061700 A1 WO 2018061700A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- model
- data
- information
- request
- unit
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims description 138
- 238000012545 processing Methods 0.000 title claims description 111
- 230000008569 process Effects 0.000 claims description 69
- 230000010365 information processing Effects 0.000 claims description 9
- 238000012795 verification Methods 0.000 description 52
- 238000010801 machine learning Methods 0.000 description 19
- 230000009471 action Effects 0.000 description 15
- 238000007405 data analysis Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 13
- 238000013500 data storage Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 238000012546 transfer Methods 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
Definitions
- the present invention relates to a model providing method, a program, an analysis processing apparatus, and a process execution method, and particularly to a model providing method, a program, an analysis processing apparatus, and a process execution method for generating a model based on analysis target data.
- Patent Literature 1 includes a first step of periodically acquiring a plurality of types of measurement values, a second step of generating an established model for calculating a probability that the measurement values are in a specific range, A performance having a third step of predicting a future time value of the reference index and a fourth step of calculating an occurrence probability of a target event that is an event in which a specific measurement value different from the reference index falls within a specific range A prediction method is described. More specifically, according to Patent Document 1, the measurement value of the second step includes the operation result value of the monitoring target system. Further, the reference index in the third step includes the operation plan value of the monitoring target system. In a third step, the reference index is time-series predicted. According to Patent Document 1, with the configuration as described above, it is possible to perform performance prediction in consideration of the operation plan and operation results of the monitoring target system. As a result, a performance prediction method capable of performing performance prediction with higher accuracy can be realized.
- a model generated by an analysis system (analysis processing device) as described in Patent Document 1 may be used or diverted to another system or an external system within a range exceeding the software license. There is.
- an unintended modification or information change in the model information by a system operator or a third party there is a risk of suffering system operation disadvantages such as a decrease in accuracy due to prediction using an incorrect prediction formula. is there.
- an object of the present invention is to provide a model providing method, a program, an analysis processing apparatus, and a process execution method that solve the problem that it is difficult to appropriately protect a model generated by an analysis system.
- a model providing method is as follows. Generate a model based on the analysis target data that is the analysis target data, A configuration is adopted in which data based on setting information of analysis target data when generating the model is provided with data assigned to the model as information for guaranteeing the validity of the model.
- the program which is the other form of this invention is:
- Generate a model based on the analysis target data that is the analysis target data It is a program for realizing a process of providing data assigned to a model using information based on setting information of analysis target data when generating the model as information for guaranteeing the validity of the model.
- Model generation means for generating a model based on the analysis target data, which is the analysis target data;
- Data generation means for generating data assigned to the model as information for guaranteeing the validity of the model, based on setting information of analysis target data when generating the model; It has a configuration of having
- the process execution method which is the other form of this invention is: Receive a process request that instructs the execution of the process using the model, A configuration is adopted in which it is determined whether or not to execute processing based on a value based on the processing request and a value based on setting information of analysis target data when the model attached to the model is generated.
- the present invention provides a model providing method, a program, an analysis processing apparatus, and a process execution method that solve the problem that it is difficult to appropriately protect a model generated by an analysis system by being configured as described above. It becomes possible.
- FIG. 1 It is a block diagram which shows an example of a structure of the analysis processing apparatus which concerns on the 1st Embodiment of this invention. It is a figure which shows an example of license information. It is a figure which shows an example of an analysis report. It is a figure which shows an example of the analysis object data used as the generation source of a model (data containing a prediction formula). It is a figure which shows an example of the data containing the prediction formula which an information provision / update part produces
- FIG. 1 is a block diagram illustrating an example of the configuration of the analysis processing apparatus 1.
- FIG. 2 is a diagram illustrating an example of license information.
- FIG. 3 is a diagram illustrating an example of an analysis report.
- FIG. 4 is a diagram illustrating an example of analysis target data that is a generation source of a model (data including a prediction formula).
- FIG. 5 is a diagram illustrating an example of data including a prediction formula generated by the information addition / update unit 142.
- FIG. 6 is a flowchart illustrating an example of an operation when the analysis processing apparatus 1 performs machine learning.
- FIG. 7 is a flowchart showing an example of a detailed flow of the learning process shown in FIG.
- FIG. 8 is a flowchart illustrating an example of an operation when the analysis processing apparatus 1 performs processing based on data including a prediction formula.
- an analysis processing apparatus 1 that generates a model based on analysis target data such as big data will be described.
- the analysis processing apparatus 1 gives model license information including a model expiration date indicating the expiration date of the model to the generated model. Further, the analysis processing apparatus 1 gives the generated model as a fingerprint the hash value of the setting information of the analysis target data when generating the model and the hash value of the model license information (model expiration date (period information)). To do.
- the setting information includes, for example, an analysis ID that is an ID for identifying an analysis task, data corresponding to a primary key (for example, a learning section indicating a learning period), and attribute information indicating items of data to be analyzed And so on.
- the model expiration date indicates a period during which the generated model can be used.
- the setting information may include information other than the information exemplified above.
- An example of a model generated by the analysis processing apparatus 1 is a prediction model having a prediction function, for example.
- the prediction model there is a prediction expression expressed by an expression.
- the analysis processing apparatus 1 machine-analyzes analysis object data, such as big data, and produces
- the present invention can also be applied to the case where the analysis processing apparatus 1 generates a prediction model other than the prediction formula and various models other than the prediction model.
- FIG. 1 shows an example of the overall configuration in the present embodiment.
- the present embodiment includes an analysis processing device 1, a client device 2, and a data storage 3.
- the analysis processing apparatus 1 and the client apparatus 2 are connected so as to communicate with each other.
- the analysis processing apparatus 1 and the data storage 3 are connected so that they can communicate with each other.
- the analysis processing apparatus 1 and the data storage 3 may be configured integrally.
- the analysis processing apparatus 1 is a physical machine such as an information processing apparatus.
- the analysis processing device 1 receives a request from the client device 2. When the received request satisfies a predetermined condition, the analysis processing apparatus 1 generates a prediction formula by machine learning of data to be analyzed. Further, the analysis processing apparatus 1 calculates and calculates a hash value (value based on hash calculation) of setting information such as an analysis ID, a learning section, and attribute information, and a hash value (value based on period information) of model license information. The hash value obtained is assigned to the prediction formula as a fingerprint. For example, through such processing, the analysis processing apparatus 1 generates data including a prediction formula based on the received request.
- the analysis processing device 1 executes a prediction process using data (data including a prediction formula) generated by the analysis processing device 1.
- the fingerprint functions as information that guarantees the correctness of the prediction formula (data including the prediction formula).
- the algorithm used when the analysis processing apparatus 1 performs machine learning is not particularly limited.
- the analysis processing apparatus 1 may be configured by a virtual machine including one or a plurality of information processing apparatuses.
- the analysis processing apparatus 1 includes a request control unit 11, a machine measurement unit 12, a report generation unit 13, an analysis execution control unit 14, and a storage device 15. Further, the request control unit 11 includes a request reception unit 111 (reception unit), a request data analysis unit 112, a license verification unit 113 (processing execution determination unit), and a storage unit 114.
- the analysis execution control unit 14 includes a data learning unit 141 (model generation unit), an information addition / update unit 142 (data generation unit) including a license generation unit 143, an analysis execution management unit 144, and a fingerprint generation.
- a unit 145, a data load unit 146, and a storage unit 147 are included.
- the analysis processing apparatus 1 has an arithmetic device such as a CPU (Central Processing Unit) (not shown) and a storage device.
- the analysis processing apparatus 1 realizes the processing units by causing the arithmetic device to execute a program stored in the storage device.
- the request control unit 11 receives a request from the client device 2. In addition, the request control unit 11 executes various controls for the received request.
- the request received from the client device 2 includes, for example, a prediction formula generation request for instructing to generate data including a prediction formula by machine learning of analysis target data, or a prediction formula generated by the analysis processing device 1.
- the prediction formula generation request and the prediction processing request may be transmitted as separate requests, or may be transmitted simultaneously.
- Information (license ID etc.) that can identify the license assigned to the request transmission source (client device 2) and data including setting information and prediction expression (prediction expression) are used for the prediction expression generation request and prediction processing request
- Information indicating the usage period (model expiration date) to be used, information that can specify the setting information or the usage period, and the like can be included.
- the prediction formula generation request and the prediction processing request may include analysis target data that is data to be analyzed.
- the request reception unit 111 receives a request (for example, a prediction formula generation request or a prediction processing request) transmitted by the client device 2. Then, the request reception unit 111 transmits the received request to the request data analysis unit 112.
- a request for example, a prediction formula generation request or a prediction processing request
- the request data analysis unit 112 analyzes the data structure of the received request.
- the request data analysis unit 112 stores the analysis result in the storage unit 114.
- the license verification unit 113 verifies whether or not to execute the process according to the received request.
- an example of verification by the license verification unit 113 and subsequent processing will be described.
- the license verification unit 113 acquires license information corresponding to the analyzed prediction formula generation request from the storage device 15 and stores it in the storage unit 114.
- the license verification unit 113 refers to the machine measurement unit 12 to acquire and store the date and time when the request is received (or when the license verification unit 113 performs verification) and information on the operating machine such as a CPU. Stored in the unit 114. Then, the license verification unit 113 determines whether the condition is satisfied for each item in the license information.
- the license information is stored in advance in the storage device 15 as described above, for example.
- the license information includes, for example, a license ID, an expiration date, a type, a treatment at the time of license expiration, a remaining number of generated data, and the like.
- the license ID is an identifier for uniquely identifying each record (each license) in the license information. For example, in the case of the first line in FIG. 2, the license ID is “1”.
- the expiration date indicates the expiration date for which the license is valid.
- the first line in FIG. 2 indicates that the period during which the license is valid is from March 1, 2016 to March 30, 2016.
- the type indicates the type of license, and there are types such as “verification” and “operation” (may include arbitrary types).
- the action when the license expires indicates how to deal with the expiration of the license such as expiration date or no remaining number of generated data.
- an error is generated when a license expires, and the prediction process is executed using a prediction formula that has already been generated without updating (new generation) data including a prediction formula or an error indicating that an error is to be output.
- provisional extension no update
- the action when the license expires is “error”
- the prediction process using the prediction formula cannot be performed until the license is updated.
- provisional extension no update
- data containing a new prediction formula cannot be generated until the license is updated, but the already generated prediction formula was used. It is allowed to perform the prediction process.
- the remaining number of generated data indicates the number of data including the generation prediction formula.
- the second row in FIG. 2 indicates that data including 2600 prediction formulas can be generated.
- the license information indicates a range in which data including a prediction expression such as a period and a number can be generated.
- the license verification unit 113 determines whether each item in the license information as described above satisfies a condition. For example, the license verification unit 113 determines whether the date and time acquired from the machine measurement unit 12 is within the expiration date of the license corresponding to the request. Further, the license verification unit 113 determines whether or not the remaining number of generated license data corresponding to the request is 1 or more.
- the request control unit 11 transfers the request data to the analysis execution control unit 14. Thereafter, when the analysis execution management unit 144 has block information, the analysis execution control unit 14 deletes the block information and generates data including a prediction formula.
- the license verification unit 113 notifies the analysis execution control unit 14 and the report generation unit 13 that there is an item that does not satisfy the condition.
- the analysis execution control unit 14 writes information indicating that subsequent machine learning is blocked to the analysis execution management unit 144. Thereby, the generation of data including a new prediction formula is stopped.
- the report generation unit 13 outputs a report indicating that there is an item that does not satisfy the condition in the license information to the client device 2 or the like.
- the request control unit 11 (license verification unit 113) checks the action column when the license expires in the corresponding license information. If the action when the license expires is “error”, the request control unit 11 outputs an error to the client device 2 via the request reception unit 111. On the other hand, when the action at the time of license expiration is “provisional extension (no update)”, the request control unit 11 searches the storage device 15 for data including the prediction formula generated last time. When the search is made, the request control unit 11 transfers the data including the searched prediction formula to the analysis execution control unit 14. Thereafter, the analysis execution control unit 14 updates the model license information and the corresponding hash value (corresponding fingerprint) included in the data including the prediction formula.
- the request data analysis unit 112 analyzes data in the request (which may include data including a corresponding prediction expression). Thereby, the request data analysis unit 112 acquires information indicating a period (corresponding to a model expiration date) in which data including setting information such as an analysis ID, a learning section, and attribute information and a prediction formula is used (corresponding to the model expiration date). The stored information is stored in the storage unit 114. Then, the license verification unit 113 instructs the fingerprint generation unit 145 to calculate a hash value such as setting information stored in the storage unit 114.
- the fingerprint generation unit 145 calculates a hash value such as setting information stored in the storage unit 114, and stores the calculated hash value in the storage unit 114.
- the license verification unit 113 acquires data including a prediction formula corresponding to the prediction processing request from the storage device 15. Then, the license verification unit 113 determines whether or not the fingerprint in the data including the obtained prediction formula matches the hash value such as the setting information stored in the storage unit 114.
- the request control unit 11 analyzes the request data. 14 for transfer. Thereafter, the analysis execution control unit 14 performs a prediction process using data including a prediction formula.
- the license verification unit 113 acquires the model expiration date in the data including the prediction formula. Also, the license verification unit 113 refers to the machine measurement unit 12 and acquires information indicating the date and time. Then, the license verification unit 113 determines whether or not the acquired date and time is within the model expiration date.
- the request control unit 11 outputs a model fraud error to the client device 2.
- the license verification unit 113 refers to the corresponding license information and confirms whether the action at the time of license expiration is “provisional extension (no update)”. .
- the request control unit 11 Is transferred to the analysis execution control unit 14. Thereafter, the analysis execution control unit 14 performs a prediction process using data including a prediction formula. On the other hand, if the action at the time of license expiration is “error” or there is no usable prediction model, the request control unit 11 outputs an expiration error to the client device 2.
- the license verification unit 113 verifies whether or not to execute the process according to the received request. As a result of the verification, processing corresponding to the verification result is performed.
- the storage unit 114 is a storage device such as a memory.
- the storage unit 114 stores temporary data for the request data such as an analysis result by the request data analysis unit 112 and information acquired from the machine measurement unit 12 or the storage device 15.
- the machine measuring unit 12 acquires information indicating the number of CPUs and the date / time of the server machine.
- the information acquired by the machine measurement unit 12 is used by the license verification unit 113 and the like.
- the report generator 13 reports the analysis status, license information, and the like.
- the report generation unit 13 when there is an item that does not satisfy the condition in the license information, the report generation unit 13 outputs a report indicating that there is an item that does not satisfy the condition in the license information. Further, after generating the data including the prediction formula, the report generation unit 13 outputs a report indicating that the license is valid (that is, that the data including the prediction formula has been generated). Further, the report generation unit 13 indicates that the license is about to expire when the license is about to expire (for example, when it is within a predetermined date from the expiration date or when the remaining number of predicted data is equal to or less than a predetermined threshold). Can be configured to output a report showing
- the report generation unit 13 outputs a report according to the analysis status and the like. Note that the reporting timing by the report generation unit 13, the notification method to the client device 2, and the like may be arbitrarily changed.
- FIG. 3 shows an example of a report output by the report generation unit 13.
- the first line in FIG. 3 is a report created on May 1, 2016, the license is valid, and the remaining number that can generate data including a prediction formula is 2500. Show.
- the report on September 25, 2016 in FIG. 3 indicates that the license expiration date is close, and that there is no remaining generation data.
- the report on October 2, 2016 indicates that the license has expired, and the report on October 3 indicates that the license has been newly registered.
- the report generation unit 13 can be configured to output various reports according to the status of the license and the remaining number of generated data.
- the analysis execution control unit 14 controls execution of analysis processing such as machine learning and prediction processing.
- the analysis execution control unit 14 controls, for example, generation of data including the prediction formula, update of model license information in the data including the prediction formula, and the like.
- the analysis execution control unit 14 executes a prediction process using data including a prediction formula.
- the data learning unit 141 executes a learning process based on the data specified by the request. That is, the data learning unit 141 acquires analysis target data that is data to be learned from the data storage 3 or the like based on information included in the request. Then, the data learning unit 141 performs machine learning on the analysis target data, calculates a prediction formula, and generates learning data. Thereafter, the data learning unit 141 transfers the generated learning data (including the prediction formula) to the information addition / update unit 142. The data learning unit 141 may execute the learning process using information acquired by the data load unit 146 described later.
- the algorithm used when the analysis processing device 1 (data learning unit 141) performs machine learning is not particularly limited.
- the information addition / update unit 142 adds information such as model license information generated by the license generation unit 143 (to be described later) and a hash value generated by the fingerprint generation unit 145 to the learning data received from the data learning unit 141.
- the information addition / update unit 142 updates a fingerprint in data including a prediction formula.
- the information adding / updating unit 142 when receiving the learning data, adds the model license information generated by the license generating unit 143 to the learning data (prediction formula). Then, the information addition / update unit 142 subtracts 1 from the remaining number of generated data included in the corresponding license information. Further, the information adding / updating unit 142 acquires a hash value stored in a storage unit 147 to be described later, and adds the acquired hash value as a fingerprint to the learning data.
- the information addition / update unit 142 generates data including a prediction formula based on learning data (prediction formula) or the like, for example, as described above. Thereafter, the information addition / update unit 142 stores the data including the generated prediction formula in the storage device 15. Further, the information addition / update unit 142 notifies the request reception unit 111 that the generation of data including the prediction formula has been completed. The request reception unit 111 that has received the notification transmits response data indicating that generation of data including the prediction formula is completed to the client device 2.
- the analysis processing apparatus 1 provides, for example, a process for generating data including such a prediction formula (a service based on data including the prediction formula (a prediction process using a prediction formula)).
- the information addition / update unit 142 may be configured to notify the report generation unit 13 that the generation of data including the prediction formula has been completed.
- the license generation unit 143 generates model license information indicating a license for the prediction formula.
- the model license information includes, for example, model expiration date information indicating a period during which the prediction formula can be used.
- the license generation unit 143 sets the model expiration date based on the license information, the request received from the client device 2, and the like. Specifically, for example, the license generation unit 143 sets a period within the expiration date of the license information and within the expected use period of the prediction formula specified by the request or the like as the model expiration date. Then, the license generation unit 143 generates model license information including the set model expiration date. Note that the license generation unit 143 may set the model expiration date by a method other than the method described above, and generate model license information. For example, the license generation unit 143 may be configured to determine a predetermined period from the use start date of the data including the prediction formula as the model expiration date.
- FIG. 4 shows an example of analysis target data used when performing machine learning.
- FIG. 5 shows an example of data including a prediction formula generated as a result of machine learning of the analysis target data shown in FIG.
- the analysis ID of the exemplified analysis target data is “Store1_Bread_A”. Further, the exemplified learning interval of the analysis target data is “2015/01/01 to 2016/04/30”, and has “date, count, price, temperature,...” As attribute information.
- the information addition / update unit 142 Based on such analysis target data, the information addition / update unit 142 generates, for example, data including a prediction formula as shown in FIG. Referring to FIG. 5, the data including the prediction formula includes model information including the setting information of the analysis ID, the learning section, and the attribute information, and the prediction formula generated as a result of machine learning by the data learning unit 141. Yes.
- the data including the prediction formula includes model license information generated by the license generation unit 143 and provided by the information addition / update unit 142. Further, the data including the prediction formula includes a fingerprint provided by the information addition / update unit 142.
- the fingerprint includes, for example, a hash value of model license information (or model expiration date) and a hash value excluding a prediction formula in model information (that is, a hash value of setting information).
- the analysis execution management unit 144 manages information related to execution of machine learning / prediction.
- the analysis execution control unit 14 writes block information indicating that machine learning is blocked. Further, the block information written in the analysis execution management unit 144 is deleted by, for example, the analysis execution control unit 14.
- the fingerprint generation unit 145 generates a hash value of setting information and model license information (model expiration date) with reference to data acquired by the data load unit 146 described later, data stored in the storage unit 114, and the like. .
- the fingerprint generation unit 145 may acquire the model license information such as the model expiration date from the license generation unit 143 and calculate the hash value of the acquired model license information.
- the fingerprint generation unit 145 refers to the data acquired by the data load unit 146 and acquires the following setting information and information indicating the period.
- An analysis ID that is an ID for identifying an analysis task -Data corresponding to the primary key of the analysis target data (for example, learning section) -Attribute information that is metadata of analysis target data-Forecast period (corresponding to model expiration date)
- the fingerprint generation unit 145 calculates a hash value of the information as described above. Thereafter, the fingerprint generation unit 145 stores in the storage unit 147 a combination of the calculated hash values in order.
- the fingerprint generation unit 145 calculates a hash value such as setting information stored in the storage unit 114 in accordance with an instruction from the license verification unit 113, and sequentially combines the calculation results. To store.
- the calculated hash value may be managed for each target data (analysis ID, learning interval,...), Or may be managed collectively by connection or accumulation.
- the format for storing the hash value is arbitrary.
- the data load unit 146 reads the learning data when the analysis execution control unit 14 receives the request data, for example.
- the data load unit 146 acquires data to be machine learning target from the storage device 15 or the data storage 3.
- the data acquired by the data loading unit 146 is used by the data learning unit 141, the fingerprint generation unit 145, and the like.
- the storage unit 147 is a storage device such as a memory.
- the storage unit 147 stores temporary data such as a hash value representing a fingerprint.
- the storage device 15 is a storage device such as a hard disk or a memory.
- the storage device 15 stores data including the prediction formula generated by the information addition / update unit 142, license information necessary for executing the analysis processing, and the like.
- the format for storing data including license information and prediction formula in the storage device 15 is not particularly specified. Also, the level of concealment of data including the prediction formula is not particularly specified.
- the analysis processing apparatus 1 has a configuration as described above, for example.
- a fingerprint is added to the data including the prediction formula separately from the model information (see FIG. 5).
- the fingerprint may be embedded in the form of a prediction formula as a dummy function that outputs a hash value in the model information.
- model license information may include information other than the model expiration date.
- model license information for example, it is conceivable to include information such as the remaining available number indicating the number of usable prediction processes using a prediction formula.
- the analysis processing apparatus 1 described in the present embodiment includes, for example, a distributed structure including a master having a function as the license verification unit 113 and a machine under the master that performs each process described in the present embodiment. It may be realized by.
- the client apparatus 2 is an information processing apparatus operated by a client that uses the analysis processing apparatus 1.
- the client device 2 includes a client application that uses the analysis performed by the analysis processing device 1.
- the client device 2 transmits a request such as a prediction formula generation request or a prediction processing request to the analysis processing device 1 as necessary. Further, the client device 2 receives a response from the analysis processing device 1.
- the data storage 3 is a storage device such as a hard disk.
- the data storage 3 stores analysis target customer data (analysis target data), data including a prediction formula, and the like.
- the data storage 3 may be configured integrally with the analysis processing apparatus 1.
- the storage device 15 and the data storage 3 may be the same.
- the request reception unit 111 of the analysis processing apparatus 1 receives a request (prediction formula generation request) from the client apparatus 2 (step S101). Subsequently, the request data analysis unit 112 analyzes the data structure of the accepted request. Then, the request data analysis unit 112 stores the analysis result in the storage unit 114.
- the license verification unit 113 reads the license information stored in the storage device 15 and the date and time of the machine measurement unit 12 and information on the operating machine such as a CPU, and stores them in the storage unit 114 (step S102). Then, the license verification unit 113 determines in order whether or not the condition is satisfied for each item in the license information (step S103).
- the request control unit 11 transfers the request data to the analysis execution control unit 14.
- the analysis execution control unit 14 deletes the block information (step S104).
- the data learning unit 141 of the analysis execution control unit 14 executes a learning process (step S105).
- the data learning unit 141 transfers the generated learning data to the information addition / update unit 142.
- the license generation unit 143 generates model license information. Details of the process in step S105 will be described later.
- the information giving / updating unit 142 gives the model license information generated by the license generating unit 143 to the learning data (prediction formula). Then, the information addition / update unit 142 subtracts 1 from the remaining number of generated data included in the corresponding license information (step S106). Further, the information addition / update unit 142 acquires a hash value stored in the storage unit 147, which will be described later, and adds the acquired hash value as a fingerprint to the learning data (prediction formula) (step S107). For example, in this way, the information adding / updating unit 142 generates data including the prediction formula including the model license information and the fingerprint.
- the information addition / update unit 142 stores the data including the generated prediction formula in the storage device 15. Further, the information addition / update unit 142 notifies the request reception unit 111 that the generation of data including the prediction formula has been completed. Upon receiving the notification, the request reception unit 111 transmits response data indicating that generation of data including the prediction formula is completed to the client device 2. In addition, you may comprise so that the report production
- the license verification unit 113 determines that there is an item that does not satisfy the condition. And the report generation unit 13 is notified.
- the analysis execution control unit 14 that has received the notification writes information (block information) indicating that subsequent machine learning is to be blocked to the analysis execution management unit 144 (step S108).
- the report generation unit 13 that has received the notification outputs a report indicating that there is an item that does not satisfy the condition in the license information (step S109).
- the request control unit 11 confirms the action column when the license expires in the corresponding license information, and confirms whether or not to continue the analysis task (step S110). . If the action at the time of license expiration is “error”, that is, if the analysis task is not continued (No in step S110), the request control unit 11 outputs an error to the client device 2 via the request reception unit 111. (Step S114). On the other hand, if the action at the time of license expiration is “provisional extension (no update)”, that is, if the analysis task is to be continued (Yes in step S110), the request control unit 11 makes a prediction generated from the storage device 15 last time. Search for data containing expressions.
- the request control unit 11 transfers the data including the searched prediction formula to the analysis execution control unit 14. Thereafter, the analysis execution control unit 14 updates the model expiration date of the model license information included in the data including the received prediction formula (step S112). For example, the information addition / update unit 142 of the analysis execution control unit 14 uses the prediction formula generated last time until the model expiration date given when the data including the prediction formula is newly generated when the license information is valid. Extend the model expiration date for the data that it contains. Also, the fingerprint generation unit 145 calculates a hash value based on the updated model expiration date (model license information).
- the information adding / updating unit 142 updates the hash value of the corresponding part (model license information) in the fingerprint (step S113). Thereafter, the information addition / update unit 142 stores data including the updated prediction formula in the storage device 15. On the other hand, when the data including the prediction formula generated last time is not retrieved from the storage device 15 (No at Step S111), the request control unit 11 outputs an error to the client device 2 via the request reception unit 111 (Step S111). S114).
- step S105 details of the processing in step S105 will be described with reference to FIG.
- the data load unit 146 acquires the learning target data from the storage device 15 or the data storage 3. Then, the fingerprint generation unit 145 refers to the data acquired by the data load unit 146, and generates setting information and a hash value of a prediction target period (model expiration date) to be used as a fingerprint.
- the fingerprint generation unit 145 performs a hash operation on the analysis ID corresponding to the analysis target data (step S201). In addition, the fingerprint generation unit 145 performs a hash operation on each primary key value in the analysis target data (step S202). In addition, the fingerprint generation unit 145 performs a hash operation on each attribute information (step S203). In addition, the fingerprint generation unit 145 performs a hash operation on the prediction target period (corresponding to the model expiration date) (step S204). After that, the fingerprint generation unit 145 stores and manages what is generated by combining the calculated hash values in order in the storage unit 147 (step S205).
- the data learning unit 141 performs machine learning on the data to be analyzed, calculates a prediction formula, and generates learning data (step S206). Thereafter, the data learning unit 141 transfers the generated learning data to the information addition / update unit 142.
- step S206 may be performed before or during the processes from step S201 to step S205.
- the hash value of the model expiration date may be calculated by referring to the model license information generated by the license generation unit 143.
- the request receiving unit 111 of the analysis processing apparatus 1 receives a request (prediction processing request) from the client apparatus 2 (step S301). Subsequently, the request data analysis unit 112 analyzes the data structure of the accepted request. Then, the request data analysis unit 112 stores the analysis result in the storage unit 114.
- the request control unit 11 acquires setting information such as an analysis ID, a learning section, and attribute information and information such as a model expiration date (use period) in accordance with the analyzed prediction processing request and stores the information in the storage unit 114. (Step S302).
- Each said information is contained in the received request, for example, The request control part 11 can acquire said each information because the request data analysis part 112 analyzes.
- the received request may include information for specifying setting information and the like. In this case, the request control unit 11 searches the storage device 15 and the data storage 3 based on the information for specifying, and acquires each of the above information.
- the license verification unit 113 instructs the fingerprint generation unit 145 to calculate the hash value of the information stored in the storage unit 114.
- the fingerprint generation unit 145 calculates a hash value of the information stored in the storage unit 114 and stores it in the storage unit 114 (step S303).
- the license verification unit 113 acquires data including a prediction formula corresponding to the prediction processing request from the storage device 15. Then, the license verification unit 113 determines whether or not the fingerprint in the data including the acquired prediction formula matches the hash value stored in the storage unit 114 (step S304).
- step S304 If the fingerprint in the data including the prediction formula completely matches the hash value stored in the storage unit 114 (Yes in step S304), the request control unit 11 transfers the request data to the analysis execution control unit 14. To do. Thereafter, the analysis execution control unit 14 executes a prediction process using data including the prediction formula (step S305).
- the license verification unit 113 acquires the model expiration date in the data including the prediction formula (step S306). Also, the license verification unit 113 refers to the machine measurement unit 12 and acquires information indicating the date and time. Then, the license verification unit 113 determines whether or not the acquired date / time is within the model expiration date (step S307).
- the request control unit 11 falsifies or unintentionally changes information such as the prediction formula included in the data including the prediction formula Is determined to have been added. Therefore, the request control unit 11 outputs a model fraud error to the client device 2 via the request reception unit 111 (step S311).
- the request control unit 11 determines that the execution is in an expired state. Therefore, the license verification unit 113 of the request control unit 11 refers to the corresponding license information to check whether or not the action at the time of license expiration is “provisional extension (no update)” (step S308).
- the request control unit 11 sends an expiration error to the client device 2 via the request reception unit 111. (Step S310).
- the request control unit 11 includes data including a prediction formula that can be used (including the prediction formula generated last time). (Data) is stored in the storage device 15 (step S309). Then, when data including an available prediction formula is stored in the storage device 15 (Yes in step S309), the request control unit 11 analyzes the data including the request data and the available prediction formula, and executes the analysis execution control unit 14.
- the analysis execution control unit 14 executes a prediction process using data including the prediction formula (step S305).
- the request control unit 11 outputs an expiration error to the client device 2 via the request reception unit 111. (Step S310).
- the analysis processing apparatus 1 may be configured to check whether the hash value of the model information in the fingerprint matches the calculated hash value of the setting information after the process of step S304. In this case, if the hash value of the model information in the fingerprint does not match the hash value of the calculated setting information, the request control unit 11 sends a model fraud error to the client device 2 via the request reception unit 111. Will be output.
- the analysis processing apparatus 1 includes the information addition / update unit 142 including the license generation unit 143 and the fingerprint generation unit 145.
- the license generation unit 143 is configured to generate model license information including a model expiration date.
- the fingerprint generation unit 145 is configured to calculate the model expiration date and the hash value of the setting information.
- the information adding / updating unit 142 can generate data including a prediction formula including model license information and a fingerprint (hash value). As a result, it is possible to detect falsification of the data including the generated prediction formula, and it is possible to appropriately protect the data including the prediction formula.
- the prediction process using the data including the prediction formula is performed. It is configured as follows. With such a configuration, it is possible to refer to data including a prediction formula only on the analysis processing apparatus 1 and use it for business. As a result, it is possible to prevent unintentional diversion of data including the prediction formula.
- the action at the time of license expiration is “provisional extension (no update)”
- data including a prediction formula that has already been generated is stored. It is comprised so that the used prediction process can be performed.
- the configuration is such that the prediction process cannot be performed uniformly when the license has expired, there is a risk of significant damage to the analysis system introducing company.
- the fingerprint in this embodiment does not include the hash value of the prediction formula.
- the analysis processing device 4 includes a model generation unit 41 and a data generation unit 42.
- the analysis processing device 4 includes an arithmetic processing device and a storage device (not shown), and the arithmetic processing device executes the program stored in the storage device, thereby realizing each processing means.
- the model generation means 41 generates a model based on the analysis target data.
- the model generation unit 41 transmits the generated model to the data generation unit 42.
- the data generation unit 42 receives the model from the model generation unit 41. Then, the data generation unit 42 assigns a value based on the setting information of the analysis target data when generating the model to the model as information for guaranteeing the validity of the model.
- the analysis processing device 4 provides data obtained by assigning a value based on the setting information of the analysis target data to the model.
- the analysis processing apparatus 4 in this embodiment includes the model generation unit 41 and the data generation unit 42.
- the analysis processing apparatus 4 can provide data to which a value based on setting information of analysis target data when generating a model is given.
- the value based on the setting information included in the request is compared with the value based on the setting information given to the prediction model, and a modification of the prediction model is detected. It becomes possible. As a result, it is possible to appropriately protect the prediction model.
- the prediction model generation method executed by operating the analysis processing device 4 described above generates a model based on analysis target data that is analysis target data, and sets analysis target data when generating the model.
- a configuration is adopted in which data provided with a value based on information is given to the model as information for guaranteeing the validity of the model.
- the analysis processing device 4 can be realized by incorporating a predetermined program into the information processing device.
- a program according to another aspect of the present invention generates a model based on analysis target data that is data to be analyzed in an information processing apparatus, and sets the analysis target data setting information when generating the model.
- This is a program for realizing a process of providing data in which a value based on a model is provided as information for guaranteeing the validity of the model.
- Appendix 1 Generate a model based on the analysis target data that is the analysis target data, A model providing method of providing data in which a value based on setting information of analysis target data when generating the model is given to the model as information for guaranteeing the validity of the model.
- Appendix 2 A method of providing a model according to attachment 1, wherein A model providing method for providing data in which period information indicating a period in which the model can be used is provided to the model.
- (Appendix 3) A method for providing a model according to attachment 2, wherein A model providing method for providing data in which a value based on the period information is assigned to the model.
- (Appendix 4) A model providing method according to any one of appendices 1 to 3, Receiving a request instructing generation of the model; A model providing method of updating the period information of the previously created model when the request does not satisfy license information indicating a range in which the model can be generated.
- (Appendix 5) A model providing method according to any one of appendices 1 to 4, Receiving a request instructing generation of the model; A model providing method for providing a report indicating that the license information is not satisfied when the request does not satisfy license information indicating a range in which the model can be generated.
- (Appendix 6) A method for providing a model according to appendix 5, A model providing method for stopping generation of a new model when the request does not satisfy the license information.
- (Appendix 7) A model providing method according to any one of appendices 1 to 6, The model providing method, wherein the license information includes a generated model remaining number indicating the number of models that can be generated.
- (Appendix 8) A model providing method according to any one of appendices 1 to 7, A model providing method for providing data in which a hash value calculated based on the setting information is assigned to the model as a fingerprint.
- (Appendix 9) A model providing method according to attachment 3, wherein A model providing method for providing data in which a hash value calculated based on the period information is given as a fingerprint to the model.
- the setting information includes at least one of an analysis ID that is an ID for identifying an analysis task, data corresponding to a primary key of analysis target data, and attribute information that is metadata of the analysis target data.
- Model providing method (Appendix 11)
- Appendix 11-1) The program according to attachment 11, wherein A program for providing data in which period information indicating a period in which the model can be used is given to the model.
- (Appendix 11-2) The program according to appendix 11 or 11-1, A program for providing data in which a value based on the period information is assigned to the model.
- (Appendix 12) Model generation means for generating a model based on the analysis target data, which is the analysis target data; Data generation means for generating data assigned to the model as information for guaranteeing the validity of the model, based on setting information of analysis target data when generating the model; Analytical processing device.
- (Appendix 12-1) The analysis processing device according to attachment 12, wherein The data generation means adds period information indicating a period in which the model can be used to the model.
- (Appendix 12-2) The analysis processing device according to attachment 12 or 12-1, The data generation means provides the model with a value based on the period information.
- (Appendix 13) Receive a process request that instructs the execution of the process using the model, A process execution method for determining whether or not to execute a process based on a value based on the process request and a value based on setting information of analysis target data when the model assigned to the model is generated.
- (Appendix 14) A process execution method according to attachment 13, wherein Period information indicating a period in which the model can be used and a value based on the period information are given to the data including the model, A process execution method for determining whether or not to execute a prediction process based on a value based on the process request, a value based on the setting information given to the model, and a value based on the period information.
- Appendix 17 The analysis processing device according to any one of appendices 12 to 12-2, A receiving unit that receives a processing request instructing execution of processing using a model; A process execution determination unit that determines whether to execute a process based on a value based on the process request and a value based on setting information of analysis target data when the model attached to the model is generated; , Analytical processing device.
- the programs described in the above embodiments and supplementary notes are stored in a storage device or recorded on a computer-readable recording medium.
- the recording medium is a portable medium such as a flexible disk, an optical disk, a magneto-optical disk, and a semiconductor memory.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Technology Law (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
分析対象のデータである分析対象データに基づいてモデルを生成し、モデルを生成する際の分析対象データの設定情報に基づく値を、モデルの正当性を保証する情報としてモデルに付与したデータを提供する。
Description
本発明は、モデル提供方法、プログラム、分析処理装置、処理実行方法に関し、特に、分析対象データに基づくモデルを生成するモデル提供方法、プログラム、分析処理装置、処理実行方法に関する。
ビッグデータなどの各種データを機械学習して予測モデルなどのモデルを生成し、生成した予測モデルを用いて実際の業務データから予測対象の予測を行うなど、生成したモデルを用いた様々な処理を行うことが知られている。
例えば、特許文献1には、複数種類の計測値を定期的に取得する第1のステップと、計測値が特定の範囲となる確率を計算するための確立モデルを生成する第2のステップと、基準指標の将来時刻の値を予測する第3のステップと、基準指標と異なる特定の計測値が特定の範囲になる事象でなるターゲット事象の発生確率を計算する第4のステップと、を有する性能予測方法が記載されている。より具体的には、特許文献1によると、第2のステップの計測値には、監視対象システムの運用実績値が含まれている。また、第3のステップにおける基準指標には、監視対象システムの運用計画値が含まれている。そして、第3のステップにおいて、基準指標を時系列予測する。特許文献1によると、上記のような構成により、監視対象システムの運用計画及び運用実績を考慮した性能予測を行うことが出来る。その結果、より精度の高い性能予測を行い得る性能予測方法を実現することが出来る。
特許文献1に記載されているような分析システム(分析処理装置)が生成するモデルは、別のシステムまたは外部のシステムにおいて、ソフトウェアの利用許諾を超える範囲で利用または他のシステムに流用されるおそれがある。また、システム運用者や第三者によってモデル情報に意図しない改変や情報の変更が発生した場合、誤った予測式を用いた予測によって精度が低下するなどのシステム運用上の不利益を被るリスクがある。
このように、生成されるモデルを適切に保護しないと、モデルを利用するユーザやモデルの提供者が不利益を受けるおそれがある。しかしながら、分析システムが生成するモデルを適切に管理することは難しく、その結果、上記のような様々な不利益を被るリスクを低減させることが難しかった。
そこで、本発明の目的は、分析システムが生成するモデルを適切に保護することが難しい、という課題を解決するモデル提供方法、プログラム、分析処理装置、処理実行方法を提供することにある。
かかる目的を達成するため本発明の一形態であるモデル提供方法は、
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
という構成を採る。
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
という構成を採る。
また、本発明の他の形態であるプログラムは、
情報処理装置に、
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
処理を実現させるためのプログラムである。
情報処理装置に、
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
処理を実現させるためのプログラムである。
また、本発明の他の形態である分析処理装置は、
分析対象のデータである分析対象データに基づいてモデルを生成するモデル生成手段と、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを生成するデータ生成手段と、
を有する
という構成を採る。
分析対象のデータである分析対象データに基づいてモデルを生成するモデル生成手段と、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを生成するデータ生成手段と、
を有する
という構成を採る。
また、本発明の他の形態である処理実行方法は、
モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
という構成を採る。
モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
という構成を採る。
本発明は、以上のように構成されることにより、分析システムが生成するモデルを適切に保護することが難しい、という課題を解決するモデル提供方法、プログラム、分析処理装置、処理実行方法を提供することが可能となる。
[第1の実施形態]
本発明の第1の実施形態を図1乃至図8を参照して説明する。図1は、分析処理装置1の構成の一例を示すブロック図である。図2は、ライセンス情報の一例を示す図である。図3は、分析レポートの一例を示す図である。図4は、モデル(予測式を含むデータ)の生成元となる分析対象データの一例を示す図である。図5は、情報付与・更新部142が生成する予測式を含むデータの一例を示す図である。図6は、分析処理装置1が機械学習を行う際の動作の一例を示すフローチャートである。図7は、図6で示す学習処理の詳細な流れの一例を示すフローチャートである。図8は、分析処理装置1が予測式を含むデータに基づく処理を行う際の動作の一例を示すフローチャートである。
本発明の第1の実施形態を図1乃至図8を参照して説明する。図1は、分析処理装置1の構成の一例を示すブロック図である。図2は、ライセンス情報の一例を示す図である。図3は、分析レポートの一例を示す図である。図4は、モデル(予測式を含むデータ)の生成元となる分析対象データの一例を示す図である。図5は、情報付与・更新部142が生成する予測式を含むデータの一例を示す図である。図6は、分析処理装置1が機械学習を行う際の動作の一例を示すフローチャートである。図7は、図6で示す学習処理の詳細な流れの一例を示すフローチャートである。図8は、分析処理装置1が予測式を含むデータに基づく処理を行う際の動作の一例を示すフローチャートである。
本発明の第1の実施形態では、ビッグデータなどの分析対象データに基づいてモデルを生成する分析処理装置1について説明する。後述するように、本実施形態における分析処理装置1は、生成したモデルに、当該モデルの有効期限を示すモデル有効期限を含むモデルライセンス情報を付与する。また、分析処理装置1は、生成したモデルに、当該モデルを生成する際の分析対象データの設定情報のハッシュ値やモデルライセンス情報(モデル有効期限(期間情報))のハッシュ値をフィンガープリントとして付与する。なお、設定情報としては、例えば、分析タスクを識別するためのIDである分析IDや主キーに対応するデータ(例えば、学習する期間を示す学習区間)、分析対象のデータの項目を示す属性情報などが考えられる。また、モデル有効期限は、生成したモデルを利用可能な期間を示している。設定情報は、上記例示した情報以外の情報を含んでいても構わない。
分析処理装置1が生成するモデルの一例としては、例えば、予測機能を備えた予測モデルがある。また、予測モデルの一例として、式で表現された予測式がある。以下においては、分析処理装置1がビッグデータなどの分析対象データを機械学習して予測式を生成する場合について説明する。しかしながら、本発明は、分析処理装置1が予測式以外の予測モデルや予測モデル以外の種々のモデルを生成する場合についても、適用可能であることは言うまでもない。
図1は、本実施形態における全体の構成の一例を示している。図1を参照すると、本実施形態においては、分析処理装置1とクライアント装置2とデータストレージ3とを有している。
図1で示すように、分析処理装置1とクライアント装置2とは、互いに通信可能なよう接続されている。また、分析処理装置1とデータストレージ3とは、互いに通信可能なよう接続されている。なお、分析処理装置1とデータストレージ3とは、一体的に構成されていても構わない。
分析処理装置1は、例えば情報処理装置などの物理マシンである。分析処理装置1は、クライアント装置2からリクエストを受信する。そして、受信したリクエストが所定の条件を満たす場合、分析処理装置1は、分析対象のデータを機械学習して予測式を生成する。また、分析処理装置1は、分析IDや学習区間、属性情報などの設定情報のハッシュ値(ハッシュ計算に基づく値)やモデルライセンス情報のハッシュ値(期間情報に基づく値)を算出して、算出したハッシュ値をフィンガープリントとして予測式に付与する。例えばこのような処理により、分析処理装置1は、受信したリクエストに基づいて予測式を含むデータの生成を行う。また、分析処理装置1は、受信したリクエストが所定の条件を満たす場合、分析処理装置1が生成したデータ(予測式を含むデータ)を利用した予測処理を実行する。本実施形態において、フィンガープリントは、予測式(予測式を含むデータ)の正当性を保証する情報として機能することになる。
なお、本実施形態においては、分析処理装置1が機械学習を行う際に用いるアルゴリズムについては、特に限定しない。また、分析処理装置1は、1つ又は複数の情報処理装置により構成される仮想マシンにより構成されていても構わない。
図1を参照すると、分析処理装置1は、リクエスト制御部11と、マシン計測部12と、レポート生成部13と、分析実行制御部14と、記憶装置15と、を有している。また、リクエスト制御部11には、リクエスト受付部111(受信部)と、リクエストデータ解析部112と、ライセンス検証部113(処理実行判断部)と、記憶部114と、が含まれている。また、分析実行制御部14には、データ学習部141(モデル生成手段)と、ライセンス生成部143を含む情報付与・更新部142(データ生成手段)と、分析実行管理部144と、フィンガープリント生成部145と、データロード部146と、記憶部147と、が含まれている。
なお、分析処理装置1は図示しないCPU(Central Processing Unit)などの演算装置と記憶装置とを有している。分析処理装置1は、例えば、記憶装置が記憶するプログラムを演算装置が実行することで、上記各処理部を実現する。
リクエスト制御部11は、クライアント装置2からリクエストを受信する。また、リクエスト制御部11は、受信したリクエストに対する各種制御を実行する。
なお、クライアント装置2から受信するリクエストとしては、例えば、分析対象データを機械学習して予測式を含むデータを生成する旨を指示する予測式生成リクエストや、分析処理装置1が生成した予測式を含むデータを用いて予測処理を行う旨を指示する予測処理リクエストなどがある。予測式生成リクエストや予測処理リクエストは、それぞれ別のリクエストとして送信されても構わないし、同時に送信されても構わない。予測式生成リクエストや予測処理リクエストには、リクエスト送信元(クライアント装置2)に割り当てられたライセンスを特定可能な情報(ライセンスIDなど)や、設定情報や予測式を含むデータ(予測式)を利用する利用期間(モデル有効期限)を示す情報、又は、設定情報や利用期間を特定可能な情報、などを含むことが出来る。予測式生成リクエストや予測処理リクエストには、分析対象のデータである分析対象データなどを含んでいても構わない。
リクエスト受付部111は、クライアント装置2が送信したリクエスト(例えば、予測式生成リクエストや予測処理リクエスト)を受け付ける。そして、リクエスト受付部111は、受信したリクエストをリクエストデータ解析部112に送信する。
リクエストデータ解析部112は、受け付けたリクエストのデータ構造を解析する。また、リクエストデータ解析部112は、解析結果を記憶部114に格納する。
ライセンス検証部113は、受信したリクエストに応じた処理の実行の是非を検証する。以下、ライセンス検証部113による検証やその後の処理の一例について説明する。
例えば、リクエストデータ解析部112が解析したリクエストが予測式生成リクエストであった場合、ライセンス検証部113は、解析した予測式生成リクエストに応じたライセンス情報を記憶装置15から取得して記憶部114に格納する。また、ライセンス検証部113は、マシン計測部12を参照して、リクエストを受信した際(または、ライセンス検証部113が検証を行う際)の日時やCPUなどの動作マシンの情報を取得して記憶部114に格納する。そして、ライセンス検証部113は、ライセンス情報内の項目ごとに条件を満たしているか否かを判断する。
ここで、ライセンス情報の一例について、図2を参照して説明する。ライセンス情報は、例えば上記のように、記憶装置15に予め格納されている。図2を参照すると、ライセンス情報には、例えば、ライセンスIDと、有効期限と、タイプと、ライセンス失効時の処置と、生成データ残数と、などが含まれている。
ライセンスIDは、ライセンス情報内の各レコード(各ライセンス)を一意に特定するための識別子である。例えば、図2の1行目の場合、ライセンスIDは「1」である。有効期限は、ライセンスが有効な期限を示している。例えば、図2の1行目の場合、ライセンスが有効な期間が2016年3月1日から2016年3月30日までであることを示している。タイプは、ライセンスのタイプを示しており、「検証」、「運用」などのタイプがある(任意のタイプを含んでいて構わない)。ライセンス失効時の処置は、有効期限切れや生成データ残数無しなどのライセンス失効時にどのような対応を行うかを示している。ライセンス失効時の処置としては、例えば、エラーを出力する旨を示す「エラー」や、予測式を含むデータの更新(新たな生成)を行わずに既に生成した予測式を用いて予測処理を実行する「暫定延長(更新なし)」などがある。ライセンス失効時の処置が「エラー」であった場合、ライセンスを更新するまで予測式を用いた予測処理を行うことが出来なくなる。一方、ライセンス失効時の処置が「暫定延長(更新なし)」であった場合、ライセンスを更新するまで新規の予測式を含むデータを生成することは出来ないが、既に生成した予測式を用いた予測処理を行うことは許容されることになる。生成データ残数は、生成可能予測式を含むデータの数を示している。例えば、図2の2行目の場合、後2600個の予測式を含むデータを生成可能であることを示している。このように、ライセンス情報は、期間や数などの予測式を含むデータの生成が可能である範囲を示している。
ライセンス検証部113は、上記のようなライセンス情報内の各項目が条件を満たすか否かを判断する。例えば、ライセンス検証部113は、マシン計測部12から取得した日時が、リクエストに対応するライセンスの有効期限内に存在するか否かを判断する。また、ライセンス検証部113は、リクエストに対応するライセンスの生成データ残数が1以上であるか否かを判断する。
ライセンス検証部113の検証の結果、ライセンス情報内の全ての項目が条件を満たす場合、リクエスト制御部11は、リクエストデータを分析実行制御部14に転送する。その後、分析実行制御部14は、分析実行管理部144がブロック情報を有する場合、当該ブロック情報を削除し、予測式を含むデータの生成を行うことになる。
一方、ライセンス検証部113の検証の結果、条件を満たさない項目が存在する場合、ライセンス検証部113は、条件を満たさない項目が存在する旨を分析実行制御部14及びレポート生成部13に通知する。上記通知を受信すると、分析実行制御部14は、以降の機械学習をブロックする旨を示す情報を分析実行管理部144に書き込む。これにより、新たな予測式を含むデータの生成が停止されることになる。また、レポート生成部13は、ライセンス情報内に条件を満たさない項目が存在する旨のレポートをクライアント装置2などに対して出力することになる。
また、条件を満たさない項目が存在する場合、リクエスト制御部11(ライセンス検証部113)は、対応するライセンス情報のライセンス失効時の処置欄を確認する。そして、ライセンス失効時の処置が「エラー」であった場合、リクエスト制御部11は、リクエスト受付部111を介してクライアント装置2にエラーを出力する。一方、ライセンス失効時の処置が「暫定延長(更新なし)」であった場合、リクエスト制御部11は、記憶装置15から前回生成した予測式を含むデータを検索する。そして、検索された場合、リクエスト制御部11は、検索された予測式を含むデータを分析実行制御部14に転送する。その後、分析実行制御部14は、予測式を含むデータに含まれる、モデルライセンス情報及び対応するハッシュ値(対応するフィンガープリント)の更新を行うことになる。
また、解析したリクエストが予測処理リクエストであった場合、リクエストデータ解析部112は、リクエスト中のデータ(対応する予測式を含むデータを含んでいても構わない)を解析する。これにより、リクエストデータ解析部112は、分析ID、学習区間、属性情報などの設定情報や予測式を含むデータを利用する期間(モデル有効期限に相当する)を示す情報を取得して、当該取得した情報を記憶部114に格納する。すると、ライセンス検証部113は、フィンガープリント生成部145に対して、記憶部114に格納した設定情報などのハッシュ値を算出するよう指示する。その結果、フィンガープリント生成部145は、記憶部114に格納された設定情報などのハッシュ値を算出し、算出したハッシュ値を記憶部114に格納することになる。また、ライセンス検証部113は、記憶装置15から予測処理リクエストに応じた予測式を含むデータを取得する。そして、ライセンス検証部113は、取得した予測式を含むデータ内のフィンガープリントと記憶部114に格納されている設定情報などのハッシュ値とが一致するか否か判断する。
ライセンス検証部113により、予測式を含むデータ内のフィンガープリントと記憶部114に格納されているハッシュ値とが完全に一致すると判断された場合、リクエスト制御部11は、リクエストデータを分析実行制御部14に転送する。その後、分析実行制御部14は予測式を含むデータを用いた予測処理を行うことになる。一方、フィンガープリントと記憶部114に格納されているハッシュ値とが異なっている場合、ライセンス検証部113は、予測式を含むデータ内のモデル有効期限を取得する。また、ライセンス検証部113は、マシン計測部12を参照して、日時を示す情報を取得する。そして、ライセンス検証部113は、取得した日時がモデル有効期限内にあるか否か判断する。ライセンス検証部113による検証の結果、取得した日時がモデル有効期限内にある場合、リクエスト制御部11は、モデル不正エラーをクライアント装置2に対して出力する。一方、取得した日時がモデル有効期限外にある場合、ライセンス検証部113は、対応するライセンス情報を参照してライセンス失効時の処置が「暫定延長(更新なし)」になっているか否か確認する。
ライセンス検証部113による検証の結果、ライセンス失効時の処置が「暫定延長(更新なし)」になっており、利用可能な予測式を含むデータが存在する場合、リクエスト制御部11は、リクエストデータなどを分析実行制御部14に転送する。その後、分析実行制御部14は、予測式を含むデータを用いた予測処理を行うことになる。一方、ライセンス失効時の処置が「エラー」となっている場合や、利用可能な予測モデルが存在しない場合、リクエスト制御部11は、期限切れエラーをクライアント装置2に対して出力することになる。
例えば上記のように、ライセンス検証部113は、受信したリクエストに応じた処理の実行の是非を検証する。そして、検証の結果、検証結果に応じた処理が行われることになる。
記憶部114は、メモリなどの記憶装置である。記憶部114には、リクエストデータ解析部112による解析結果やマシン計測部12や記憶装置15から取得した情報など、リクエストデータに対する一時的なデータが格納されることになる。
マシン計測部12は、サーバマシンのCPU数や日時などを示す情報を取得する。マシン計測部12が取得した情報は、ライセンス検証部113などで用いられることになる。
レポート生成部13は、分析状況、ライセンス情報などをレポーティングする。
例えば、レポート生成部13は、ライセンス情報内に条件を満たさない項目が存在する場合に、ライセンス情報内に条件を満たさない項目が存在する旨のレポートを出力する。また、レポート生成部13は、予測式を含むデータを生成した後に、ライセンスが有効であった旨(つまり、予測式を含むデータを生成した旨)を示すレポートを出力する。また、レポート生成部13は、ライセンスが切れそうな場合(例えば、有効期限から所定日以内の場合や、予測データ残数が所定閾値以下となった場合など)に、ライセンスが切れそうである旨を示すレポートを出力するよう構成することが出来る。
このように、レポート生成部13は、分析状況などに応じてレポートを出力する。なお、レポート生成部13によるレポーティングのタイミングやクライアント装置2への通知方法などは任意に変更して構わない。
図3は、レポート生成部13が出力するレポートの一例を示している。例えば、図3の1行目は、2016年5月1日に作成されたレポートであり、ライセンスが有効であり、かつ、予測式を含むデータを生成可能な残りの数が2500であることを示している。また、図3の2016年9月25日のレポートは、ライセンス期限が間近であることを示しており、生成データ残数も無いことを示している。さらに、2016年10月2日のレポートは、ライセンスが失効していることを示しており、10月3日のレポートは、ライセンスが新たに登録されたことを示している。このように、レポート生成部13は、ライセンスや生成データ残数の状況に応じて様々なレポートを出力するよう構成することが出来る。
分析実行制御部14は、機械学習や予測処理などの分析処理の実行を制御する。分析実行制御部14は、例えば、予測式を含むデータの生成や予測式を含むデータ内のモデルライセンス情報の更新などを制御する。また、分析実行制御部14は、予測式を含むデータを用いた予測処理を実行する。
データ学習部141は、リクエストによって指定されたデータを基に、学習処理を実行する。つまり、データ学習部141は、リクエストに含まれる情報に基づいて、データストレージ3などから学習対象となるデータである分析対象データを取得する。そして、データ学習部141は、分析対象データを機械学習して、予測式などを算出し学習データを生成する。その後、データ学習部141は、生成した学習データ(予測式を含む)を情報付与・更新部142に転送する。なお、データ学習部141は、後述するデータロード部146が取得した情報を利用して学習処理を実行しても構わない。
なお、上述したように、本実施形態においては、分析処理装置1(データ学習部141)が機械学習する際に用いるアルゴリズムは、特に限定しない。
情報付与・更新部142は、データ学習部141から受信した学習データに、後述するライセンス生成部143が生成したモデルライセンス情報やフィンガープリント生成部145が生成したハッシュ値などの情報を付与する。また、情報付与・更新部142は、予測式を含むデータ内のフィンガープリントの更新などを行う。
例えば、情報付与・更新部142は、学習データを受信すると、ライセンス生成部143が生成したモデルライセンス情報を、学習データ(予測式)に付与する。そして、情報付与・更新部142は、対応するライセンス情報に含まれる生成データ残数を1減算する。また、情報付与・更新部142は、後述する記憶部147に格納されているハッシュ値を取得して、取得したハッシュ値をフィンガープリントとして学習データに付与する。
情報付与・更新部142は、例えば上記のようにして、学習データ(予測式)などに基づいて予測式を含むデータを生成する。その後、情報付与・更新部142は、生成した予測式を含むデータを記憶装置15に格納する。また、情報付与・更新部142は、予測式を含むデータの生成が完了した旨をリクエスト受付部111に通知する。上記通知を受信したリクエスト受付部111は、予測式を含むデータの生成が完了した旨を示すレスポンスデータをクライアント装置2に対して送信することになる。分析処理装置1は、例えば、このような予測式を含むデータを生成する処理(予測式を含むデータに基づくサービス(予測式を用いた予測処理など))を提供する。なお、情報付与・更新部142は、予測式を含むデータの生成が完了した旨をレポート生成部13に通知するよう構成しても構わない。
ライセンス生成部143は、予測式に対するライセンスを示すモデルライセンス情報を生成する。モデルライセンス情報には、例えば、予測式を利用可能な期間を示すモデル有効期限の情報などが含まれている。
例えば、ライセンス生成部143は、ライセンス情報やクライアント装置2から受信したリクエストなどに基づいてモデル有効期限を設定する。具体的には、例えば、ライセンス生成部143は、ライセンス情報の有効期限内であって、かつ、リクエストなどにより指定される予測式の利用予定期間内の期間をモデル有効期限として設定する。そして、ライセンス生成部143は、上記設定したモデル有効期限を含むモデルライセンス情報を生成する。なお、ライセンス生成部143は、上記説明した以外の方法でモデル有効期限を設定し、モデルライセンス情報を生成しても構わない。例えば、ライセンス生成部143は、予測式を含むデータの利用開始日から予め定められた期間をモデル有効期限として定めるよう構成しても構わない。
ここで、情報付与・更新部142により生成される予測式を含むデータの一例について、図4、5を参照して説明する。図4は、機械学習を行う際に用いる分析対象データの一例を示している。また、図5は、図4で示す分析対象データを機械学習した結果生成される予測式を含むデータの一例を示している。
図4によると、例示した分析対象データの分析IDは、「Store1_Bread_A」である。また、例示した分析対象データの学習区間は、「2015/05/01~2016/04/30」であり、属性情報として「date、count、price、temperature、…」を有している。
このような分析対象データに基づいて、情報付与・更新部142は、例えば、図5のような予測式を含むデータを生成する。図5を参照すると、予測式を含むデータには、分析IDと学習区間と属性情報との設定情報とデータ学習部141による機械学習の結果生成される予測式とを含むモデル情報が含まれている。また、予測式を含むデータには、ライセンス生成部143が生成し情報付与・更新部142により付与されるモデルライセンス情報が含まれている。さらに、予測式を含むデータには、情報付与・更新部142により付与されるフィンガープリントが含まれている。なお、フィンガープリントには、例えば、モデルライセンス情報(又は、モデル有効期限)のハッシュ値やモデル情報のうちの予測式を除いたハッシュ値(つまり、設定情報のハッシュ値)が含まれている。
分析実行管理部144は、機械学習・予測の実行是非に関する情報を管理する。分析実行管理部144には、例えば、分析実行制御部14により、機械学習をブロックする旨を示すブロック情報が書き込まれる。また、分析実行管理部144に書き込まれたブロック情報は、例えば、分析実行制御部14により削除される。
フィンガープリント生成部145は、後述するデータロード部146が取得したデータや記憶部114に格納されているデータなどを参照して、設定情報やモデルライセンス情報(モデル有効期限)のハッシュ値を生成する。フィンガープリント生成部145は、ライセンス生成部143からモデル有効期限などのモデルライセンス情報を取得して、取得したモデルライセンス情報のハッシュ値を算出するよう構成しても構わない。
例えば、フィンガープリント生成部145は、データロード部146が取得したデータを参照して、下記のような設定情報や期間を示す情報を取得する。
・分析タスクを識別するためのIDである分析ID
・分析対象データのうちの主キーに対応するデータ(例えば学習区間)
・分析対象データのメタデータである属性情報
・予測対象の期間(モデル有効期限に相当する)
そして、フィンガープリント生成部145は、上記のような情報のハッシュ値を算出する。その後、フィンガープリント生成部145は、算出したハッシュ値を順に組み合わせたものを記憶部147に格納する。
・分析タスクを識別するためのIDである分析ID
・分析対象データのうちの主キーに対応するデータ(例えば学習区間)
・分析対象データのメタデータである属性情報
・予測対象の期間(モデル有効期限に相当する)
そして、フィンガープリント生成部145は、上記のような情報のハッシュ値を算出する。その後、フィンガープリント生成部145は、算出したハッシュ値を順に組み合わせたものを記憶部147に格納する。
また、フィンガープリント生成部145は、ライセンス検証部113からの指示に応じて、記憶部114に格納されている設定情報などのハッシュ値を算出して、算出結果を順に組み合わせたものを記憶部114に格納する。
なお、本実施形態においては、算出したハッシュ値は上記対象データごと(分析ID,学習区間、……、ごと)に管理してもよく、連結や累積によりまとめて管理してもよい。ハッシュ値を格納する際のフォーマットなどについては任意であるものとする。
データロード部146は、例えば分析実行制御部14がリクエストデータを受信した際などに、学習データを読み込む。データロード部146は、例えば、機械学習の対象となるデータを記憶装置15やデータストレージ3から取得する。データロード部146が取得したデータは、データ学習部141やフィンガープリント生成部145などにより利用される。
記憶部147は、メモリなどの記憶装置である。記憶部147には、フィンガープリントを表すハッシュ値などの一時的なデータが格納される。
記憶装置15は、ハードディスクやメモリなどの記憶装置である。記憶装置15には、情報付与・更新部142が生成した予測式を含むデータや分析処理の実行に必要なライセンス情報などが格納される。
なお、本実施形態においては、ライセンス情報や予測式を含むデータを記憶装置15に格納する際のフォーマットについては特に規定しない。また、予測式を含むデータに対する秘匿化のレベルなどについても、特に規定しない。
分析処理装置1は、例えば、上述したような構成を有している。
なお、本実施形態においては、予測式を含むデータ内に、モデル情報と別にフィンガープリントを付与するものとした(図5参照)。しかしながら、フィンガープリントを秘匿化するため、モデル情報内にハッシュ値を出力するダミーの関数として、予測式の形でフィンガープリントを埋め込むよう構成しても構わない。
また、モデルライセンス情報内には、モデル有効期限以外の情報を含んでいても構わない。モデルライセンス情報内には、例えば、予測式を用いた予測処理を利用可能な数を示す利用可能残数などの情報を含めることが考えられる。
また、本実施形態で説明した分析処理装置1は、例えば、ライセンス検証部113としての機能を有するマスタと、本実施形態で説明した各処理を行うマスタ配下のマシンと、から構成される分散構造により実現されていても構わない。
クライアント装置2は、分析処理装置1を利用するクライアントにより操作される情報処理装置である。クライアント装置2は、分析処理装置1による分析を利用するクライアントアプリケーションなどを有している。クライアント装置2は、必要に応じて、予測式生成リクエストや予測処理リクエストなどのリクエストを分析処理装置1に送信する。また、クライアント装置2は、分析処理装置1からの応答を受信する。
データストレージ3は、ハードディスクなどの記憶装置である。データストレージ3には、分析対象の顧客データ(分析対象データ)や、予測式を含むデータなどが格納される。
なお、データストレージ3は、分析処理装置1と一体的に構成されていても構わない。例えば、記憶装置15とデータストレージ3とは、同一のものであっても構わない。
以上が、本実施形態における各構成についての説明である。続いて、分析処理装置1の動作の一例について、図6乃至図8を参照して説明する。
図6、図7は、予測式生成リクエストを受信した際の分析処理装置1の動作の一例を示している。図6を参照すると、分析処理装置1のリクエスト受付部111は、クライアント装置2からリクエスト(予測式生成リクエスト)を受信する(ステップS101)。続いて、リクエストデータ解析部112は、受け付けたリクエストのデータ構造を解析する。そして、リクエストデータ解析部112は、解析結果を記憶部114に格納する。
ライセンス検証部113は、記憶装置15に格納されたライセンス情報、および、マシン計測部12による日時やCPUなどの動作マシンの情報を読み取り、記憶部114に格納する(ステップS102)。そして、ライセンス検証部113は、ライセンス情報内の項目ごとに条件を満たしているか否か順に判断する(ステップS103)。
ライセンス検証部113の検証の結果、ライセンス情報内の全ての項目が条件を満たす場合(ステップS103、Yes)、リクエスト制御部11は、リクエストデータを分析実行制御部14に転送する。分析実行制御部14は、分析実行管理部144がブロック情報を有する場合、当該ブロック情報を削除する(ステップS104)。その後、分析実行制御部14のデータ学習部141は、学習処理を実行する(ステップS105)。そして、データ学習部141は、生成した学習データを情報付与・更新部142に転送する。また、データ学習部141による機械学習と前後して、ライセンス生成部143は、モデルライセンス情報を生成する。なお、ステップS105の処理の詳細は、後述する。
情報付与・更新部142は、ライセンス生成部143が生成したモデルライセンス情報を、学習データ(予測式)に付与する。そして、情報付与・更新部142は、対応するライセンス情報に含まれる生成データ残数を1減算する(ステップS106)。また、情報付与・更新部142は、後述する記憶部147に格納されているハッシュ値を取得して、取得したハッシュ値をフィンガープリントとして学習データ(予測式)に付与する(ステップS107)。例えばこのようにして、情報付与・更新部142は、モデルライセンス情報とフィンガープリントとを含む、予測式を含むデータを生成する。
その後、情報付与・更新部142は、生成した予測式を含むデータを記憶装置15に格納する。また、情報付与・更新部142は、予測式を含むデータの生成が完了した旨をリクエスト受付部111に通知する。上記通知を受信したリクエスト受付部111は、予測式を含むデータの生成が完了した旨を示すレスポンスデータをクライアント装置2に対して送信する。なお、レスポンスデータと一緒に、または前後して、レポート生成部13がレポートを出力するよう構成しても構わない。
一方、ライセンス検証部113の検証の結果、ライセンス情報に条件を満たさない項目がある場合(ステップS103、No)、ライセンス検証部113は、条件を満たさない項目が存在する旨を分析実行制御部14及びレポート生成部13に通知する。
上記通知を受信した分析実行制御部14は、以降の機械学習をブロックする旨を示す情報(ブロック情報)を分析実行管理部144に書き込む(ステップS108)。また、上記通知を受信したレポート生成部13は、ライセンス情報内に条件を満たさない項目が存在する旨のレポートを出力する(ステップS109)。
また、ライセンス情報に条件を満たさない項目がある場合、リクエスト制御部11は、対応するライセンス情報のライセンス失効時の処置欄を確認して、分析タスクを継続するか否か確認する(ステップS110)。ライセンス失効時の処置が「エラー」であった場合、つまり、分析タスクを継続しない場合(ステップS110、No)、リクエスト制御部11は、リクエスト受付部111を介してクライアント装置2にエラーを出力する(ステップS114)。一方、ライセンス失効時の処置が「暫定延長(更新なし)」であった場合、つまり、分析タスクを継続する場合(ステップS110、Yes)、リクエスト制御部11は、記憶装置15から前回生成した予測式を含むデータを検索する。そして、検索された場合(ステップS111、Yes)、リクエスト制御部11は、検索された予測式を含むデータを分析実行制御部14に転送する。その後、分析実行制御部14は、受信した予測式を含むデータに含まれるモデルライセンス情報のモデル有効期限を更新する(ステップS112)。例えば、分析実行制御部14の情報付与・更新部142は、ライセンス情報が有効だった場合に新たに予測式を含むデータを生成した際に付与されるモデル有効期限まで、前回生成した予測式を含むデータのモデル有効期限を延長する。また、フィンガープリント生成部145は、上記更新したモデル有効期限(モデルライセンス情報)に基づくハッシュ値を算出する。そして、情報付与・更新部142は、フィンガープリント内の該当箇所(モデルライセンス情報)のハッシュ値を更新する(ステップS113)。その後、情報付与・更新部142は、更新した予測式を含むデータを記憶装置15に格納する。一方、記憶装置15から前回生成した予測式を含むデータが検索されなかった場合(ステップS111、No)、リクエスト制御部11は、リクエスト受付部111を介してクライアント装置2にエラーを出力する(ステップS114)。
続いて、ステップS105の処理の詳細について図7を参照して説明する。
図7を参照すると、データロード部146は、学習対象のデータを記憶装置15やデータストレージ3から取得する。そして、フィンガープリント生成部145は、データロード部146が取得したデータを参照して、フィンガープリントとして使用する、設定情報や予測対象の期間(モデル有効期限)のハッシュ値を生成する。
例えば、フィンガープリント生成部145は、分析対象データに応じた分析IDをハッシュ演算する(ステップS201)。また、フィンガープリント生成部145は、分析対象データ内の各主キー値をハッシュ演算する(ステップS202)。また、フィンガープリント生成部145は、各属性情報をハッシュ演算する(ステップS203)。また、フィンガープリント生成部145は、予測対象の期間(モデル有効期限に相当する)をハッシュ演算する(ステップS204)。その後、フィンガープリント生成部145は、算出したハッシュ値を順に組み合わせて生成したものを記憶部147に格納して管理する(ステップS205)。
また、データ学習部141は、分析対象のデータを機械学習して、予測式などを算出し学習データを生成する(ステップS206)。その後、データ学習部141は、生成した学習データを情報付与・更新部142に転送する。
以上が、ステップS105の処理の詳細についての説明である。なお、ステップS206の処理は、ステップS201からステップS205までの処理の前、又は、処理の間に行われても構わない。また、モデル有効期限のハッシュ値の算出は、ライセンス生成部143が生成したモデルライセンス情報を参照して行っても構わない。
続いて、図8を参照して、予測処理リクエストを受信した際の分析処理装置1の動作の一例について説明する。
図8を参照すると、分析処理装置1のリクエスト受付部111は、クライアント装置2からリクエスト(予測処理リクエスト)を受信する(ステップS301)。続いて、リクエストデータ解析部112は、受け付けたリクエストのデータ構造を解析する。そして、リクエストデータ解析部112は、解析結果を記憶部114に格納する。
また、リクエスト制御部11は、解析した予測処理リクエストに応じて、分析ID、学習区間、属性情報などの設定情報やモデル有効期限(利用期間)などの情報を取得して記憶部114に格納する(ステップS302)。上記各情報は、例えば、受信したリクエストに含まれており、リクエストデータ解析部112が解析を行うことで、上記各情報をリクエスト制御部11が取得することが出来る。なお、受信したリクエストに設定情報などを特定するための情報が含まれていても構わない。この場合、リクエスト制御部11は、当該特定するための情報に基づいて記憶装置15やデータストレージ3を検索し、上記各情報を取得することになる。
ライセンス検証部113(又はリクエスト制御部11)は、フィンガープリント生成部145に対して、記憶部114に格納した情報のハッシュ値を算出するよう指示する。これを受けて、フィンガープリント生成部145は、記憶部114に格納された情報のハッシュ値を算出して記憶部114に格納する(ステップS303)。
また、ライセンス検証部113は、記憶装置15から予測処理リクエストに応じた予測式を含むデータを取得する。そして、ライセンス検証部113は、取得した予測式を含むデータ内のフィンガープリントと記憶部114に格納されているハッシュ値とが一致するか否か判断する(ステップS304)。
予測式を含むデータ内のフィンガープリントと記憶部114に格納されているハッシュ値とが完全に一致する場合(ステップS304、Yes)、リクエスト制御部11は、リクエストデータを分析実行制御部14に転送する。その後、分析実行制御部14は、予測式を含むデータを用いた予測処理を実行する(ステップS305)。
一方、フィンガープリントとハッシュ値とが異なっている場合(ステップS304、No)、ライセンス検証部113は、予測式を含むデータ内のモデル有効期限を取得する(ステップS306)。また、ライセンス検証部113は、マシン計測部12を参照して、日時を示す情報を取得する。そして、ライセンス検証部113は、取得した日時がモデル有効期限内にあるか否か判断する(ステップS307)。
取得した日時がモデル有効期限内にある場合、つまり、有効期限切れでない場合(ステップS307、No)、リクエスト制御部11は、予測式を含むデータに含まれる予測式などの情報に改ざんや意図しない変更が加えられたものと判断する。そこで、リクエスト制御部11は、リクエスト受付部111を介してモデル不正エラーをクライアント装置2に対して出力する(ステップS311)。一方、取得した日時がモデル有効期限外にある場合、つまり、有効期限切れである場合(ステップS307、Yes)、リクエスト制御部11は、期限切れの状態での実行と判断する。そこで、リクエスト制御部11のライセンス検証部113は、対応するライセンス情報を参照してライセンス失効時の処置が「暫定延長(更新なし)」になっているか否か確認する(ステップS308)。
ライセンス失効時の処置が「エラー」になっている場合、つまり分析タスクを継続しない場合(ステップS308、No)、リクエスト制御部11は、リクエスト受付部111を介して期限切れエラーをクライアント装置2に対して出力する(ステップS310)。一方、ライセンス失効時の処置が「暫定延長(更新なし)」になっている場合(ステップS308、Yes)、リクエスト制御部11は、利用可能な予測式を含むデータ(前回生成した予測式を含むデータ)が記憶装置15に格納されているか確認する(ステップS309)。そして、利用可能な予測式を含むデータが記憶装置15に格納されている場合(ステップS309、Yes)、リクエスト制御部11は、リクエストデータと利用可能な予測式を含むデータを分析実行制御部14に転送する。その後、分析実行制御部14は、予測式を含むデータを用いた予測処理を実行する(ステップS305)。一方、利用可能な予測式を含むデータが記憶装置15に格納されていない場合(ステップS309、No)、リクエスト制御部11は、リクエスト受付部111を介して期限切れエラーをクライアント装置2に対して出力する(ステップS310)。
以上が、予測処理リクエストを受信した際の分析処理装置1の動作の一例である。なお、分析処理装置1は、ステップS304の処理の後、フィンガープリント内のモデル情報のハッシュ値と算出した設定情報のハッシュ値とが一致するか否か確認するよう構成しても構わない。この場合において、フィンガープリント内のモデル情報のハッシュ値と算出した設定情報のハッシュ値とが一致しない場合、リクエスト制御部11は、リクエスト受付部111を介してモデル不正エラーをクライアント装置2に対して出力することになる。
このように、本実施形態における分析処理装置1は、ライセンス生成部143を有する情報付与・更新部142と、フィンガープリント生成部145と、を有している。また、ライセンス生成部143は、モデル有効期限を含むモデルライセンス情報を生成するよう構成されている。そして、フィンガープリント生成部145は、モデル有効期限と設定情報のハッシュ値を算出するよう構成されている。このような構成により、情報付与・更新部142は、モデルライセンス情報やフィンガープリント(ハッシュ値)を含む予測式を含むデータを生成することが出来る。その結果、生成された予測式を含むデータの改ざんを検出することが可能となり、予測式を含むデータを適切に保護することが可能となる。
また、本実施形態によると、算出した設定情報などのハッシュ値とフィンガープリントに含まれるハッシュ値とが一致するか否かなどを判断した上で、予測式を含むデータを用いた予測処理を行うよう構成されている。このような構成により、分析処理装置1上でのみ予測式を含むデータを参照し業務に利用することが可能となる。その結果、予測式を含むデータの意図しない流用を防ぐことが可能となる。
また、本実施形態によると、ライセンスの有効期限が切れていたとしても、ライセンス失効時の処置が「暫定延長(更新なし)」となっていた場合、既に生成されている予測式を含むデータを用いた予測処理を行うことが出来るよう構成されている。ここで、ライセンスの有効期限が切れていた場合に一律に予測処理まで行うことが出来ないように構成してしまうと、分析システム導入企業にとって多大な損害となるおそれがある。本実施形態のように構成することで、上記のようなおそれを低減させることが可能となる。
また、本実施形態におけるフィンガープリントには、予測式のハッシュ値は含まれていない。このような構成により、予測式に関する情報をクライアント装置2との間でやり取りする必要がなくなり、生成される予測式を含むデータの秘匿性をより高めることが出来る。
[第2の実施形態]
次に、図9を参照して、本発明の第2の実施形態について説明する。第2の実施形態では、モデルを生成する分析処理装置4の構成の概略について説明する。
次に、図9を参照して、本発明の第2の実施形態について説明する。第2の実施形態では、モデルを生成する分析処理装置4の構成の概略について説明する。
図9を参照すると、分析処理装置4は、モデル生成手段41と、データ生成手段42と、を有している。分析処理装置4は、図示しない演算処理装置と記憶装置とを有しており、記憶装置に格納されたプログラムを演算処理装置が実行することで、上記各処理手段を実現する。
モデル生成手段41は、分析対象データに基づいてモデルを生成する。モデル生成手段41は、生成したモデルをデータ生成手段42に送信する。
データ生成手段42は、モデル生成手段41からモデルを受信する。すると、データ生成手段42は、モデルを生成する際の分析対象データの設定情報に基づく値を、モデルの正当性を保証する情報としてモデルに付与する。
その後、分析処理装置4は、分析対象データの設定情報に基づく値をモデルに付与したデータを提供する。
このように、本実施形態における分析処理装置4は、モデル生成手段41とデータ生成手段42とを有している。このような構成により、分析処理装置4は、モデルを生成する際の分析対象データの設定情報に基づく値を付与したデータを提供することが出来る。その結果、設定情報を含むリクエストを受信した際などにおいて、リクエストに含まれる設定情報に基づく値と予測モデルに付与された設定情報に基づく値とを比較して、予測モデルの改変などを検出することが可能となる。その結果、予測モデルを適切に保護することが可能となる。
また、上述した分析処理装置4が作動することにより実行される予測モデル生成方法は、分析対象のデータである分析対象データに基づいてモデルを生成し、モデルを生成する際の分析対象データの設定情報に基づく値を、モデルの正当性を保証する情報としてモデルに付与したデータを提供するという構成を採る。
また、上記分析処理装置4は、情報処理装置に所定のプログラムが組み込まれることで実現できる。具体的に、本発明の他の形態であるプログラムは、情報処理装置に、分析対象のデータである分析対象データに基づいてモデルを生成し、モデルを生成する際の分析対象データの設定情報に基づく値を、モデルの正当性を保証する情報としてモデルに付与したデータを提供する処理を実現させるためのプログラムである。
上述した構成を有する、プログラム、又は、モデル提供方法、の発明であっても、上記分析処理装置4と同様の作用を有するために、上述した本発明の目的を達成することが出来る。
<付記>
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明におけるモデル提供方法などの概略を説明する。但し、本発明は、以下の構成に限定されない。
(付記1)
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
モデル提供方法。
(付記2)
付記1に記載のモデル提供方法であって、
前記モデルを利用可能な期間を示す期間情報を前記モデルに付与したデータを提供する
モデル提供方法。
(付記3)
付記2に記載のモデル提供方法であって、
前記期間情報に基づく値を前記モデルに付与したデータを提供する
モデル提供方法。
(付記4)
付記1乃至3のいずれかに記載のモデル提供方法であって、
前記モデルの生成を指示するリクエストを受信し、
前記リクエストが前記モデルの生成が可能である範囲を示すライセンス情報を満たさない場合、前回作成した前記モデルの前記期間情報を更新する
モデル提供方法。
(付記5)
付記1乃至4のいずれかに記載のモデル提供方法であって、
前記モデルの生成を指示するリクエストを受信し、
前記リクエストが前記モデルの生成が可能である範囲を示すライセンス情報を満たさない場合、前記ライセンス情報を満たさない旨を示すレポートを提供する
モデル提供方法。
(付記6)
付記5に記載のモデル提供方法であって、
前記リクエストが前記ライセンス情報を満たさない場合、新たなモデルの生成を停止させる
モデル提供方法。
(付記7)
付記1乃至6のいずれかに記載のモデル提供方法であって、
前記ライセンス情報には、生成可能なモデルの数を示す生成モデル残数が含まれている
モデル提供方法。
(付記8)
付記1乃至7のいずれかに記載のモデル提供方法であって、
前記設定情報に基づいて算出されるハッシュ値をフィンガープリントとして前記モデルに付与したデータを提供する
モデル提供方法。
(付記9)
付記3に記載のモデル提供方法であって、
前記期間情報に基づいて算出されるハッシュ値をフィンガープリントとして前記モデルに付与したデータを提供する
モデル提供方法。
(付記10)
付記1乃至9のいずれかに記載のモデル提供方法であって、
前記設定情報には、分析タスクを識別するためのIDである分析ID、分析対象データのうちの主キーに対応するデータ、分析対象データのメタデータである属性情報のうちのいずれかが少なくとも含まれている
モデル提供方法。
(付記11)
情報処理装置に、
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
処理を実現させるためのプログラム。
(付記11-1)
付記11に記載のプログラムであって、
前記モデルを利用可能な期間を示す期間情報を前記モデルに付与したデータを提供する
プログラム。
(付記11-2)
付記11又は11-1に記載のプログラムであって、
前記期間情報に基づく値を前記モデルに付与したデータを提供する
プログラム。
(付記12)
分析対象のデータである分析対象データに基づいてモデルを生成するモデル生成手段と、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを生成するデータ生成手段と、
を有する
分析処理装置。
(付記12-1)
付記12に記載の分析処理装置であって、
前記データ生成手段は、前記モデルを利用可能な期間を示す期間情報を前記モデルに付与する
分析処理装置。
(付記12-2)
付記12又は12-1に記載の分析処理装置であって、
前記データ生成手段は、前記期間情報に基づく値を前記モデルに付与する
分析処理装置。
(付記13)
モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
処理実行方法。
(付記14)
付記13に記載の処理実行方法であって、
前記モデルを利用可能な期間を示す期間情報と前記期間情報に基づく値とが前記モデルを含むデータに付与されており、
前記処理リクエストに基づく値と、前記モデルに付与された前記設定情報に基づく値と、前記期間情報に基づく値と、に基づいて、予測処理を実行するか否か判断する
処理実行方法。
(付記15)
付記14に記載に処理実行方法であって、
前記期間情報の経過により、前記処理リクエストに基づく値と、前記モデルに付与された前記設定情報に基づく値及び前記期間情報に基づく値と、が一致しない場合、既に生成されているモデルを用いて処理を実行する
処理実行方法。
(付記16)
付記11乃至11-2のいずれかに記載のプログラムであって、
情報処理装置に、
前記モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
処理を実現させるためのプログラム。
(付記17)
付記12乃至12-2のいずれかに記載の分析処理装置であって、
モデルを利用した処理の実行を指示する処理リクエストを受信する受信部と、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する処理実行判断部と、
を有する
分析処理装置。
上記実施形態の一部又は全部は、以下の付記のようにも記載されうる。以下、本発明におけるモデル提供方法などの概略を説明する。但し、本発明は、以下の構成に限定されない。
(付記1)
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
モデル提供方法。
(付記2)
付記1に記載のモデル提供方法であって、
前記モデルを利用可能な期間を示す期間情報を前記モデルに付与したデータを提供する
モデル提供方法。
(付記3)
付記2に記載のモデル提供方法であって、
前記期間情報に基づく値を前記モデルに付与したデータを提供する
モデル提供方法。
(付記4)
付記1乃至3のいずれかに記載のモデル提供方法であって、
前記モデルの生成を指示するリクエストを受信し、
前記リクエストが前記モデルの生成が可能である範囲を示すライセンス情報を満たさない場合、前回作成した前記モデルの前記期間情報を更新する
モデル提供方法。
(付記5)
付記1乃至4のいずれかに記載のモデル提供方法であって、
前記モデルの生成を指示するリクエストを受信し、
前記リクエストが前記モデルの生成が可能である範囲を示すライセンス情報を満たさない場合、前記ライセンス情報を満たさない旨を示すレポートを提供する
モデル提供方法。
(付記6)
付記5に記載のモデル提供方法であって、
前記リクエストが前記ライセンス情報を満たさない場合、新たなモデルの生成を停止させる
モデル提供方法。
(付記7)
付記1乃至6のいずれかに記載のモデル提供方法であって、
前記ライセンス情報には、生成可能なモデルの数を示す生成モデル残数が含まれている
モデル提供方法。
(付記8)
付記1乃至7のいずれかに記載のモデル提供方法であって、
前記設定情報に基づいて算出されるハッシュ値をフィンガープリントとして前記モデルに付与したデータを提供する
モデル提供方法。
(付記9)
付記3に記載のモデル提供方法であって、
前記期間情報に基づいて算出されるハッシュ値をフィンガープリントとして前記モデルに付与したデータを提供する
モデル提供方法。
(付記10)
付記1乃至9のいずれかに記載のモデル提供方法であって、
前記設定情報には、分析タスクを識別するためのIDである分析ID、分析対象データのうちの主キーに対応するデータ、分析対象データのメタデータである属性情報のうちのいずれかが少なくとも含まれている
モデル提供方法。
(付記11)
情報処理装置に、
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
処理を実現させるためのプログラム。
(付記11-1)
付記11に記載のプログラムであって、
前記モデルを利用可能な期間を示す期間情報を前記モデルに付与したデータを提供する
プログラム。
(付記11-2)
付記11又は11-1に記載のプログラムであって、
前記期間情報に基づく値を前記モデルに付与したデータを提供する
プログラム。
(付記12)
分析対象のデータである分析対象データに基づいてモデルを生成するモデル生成手段と、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを生成するデータ生成手段と、
を有する
分析処理装置。
(付記12-1)
付記12に記載の分析処理装置であって、
前記データ生成手段は、前記モデルを利用可能な期間を示す期間情報を前記モデルに付与する
分析処理装置。
(付記12-2)
付記12又は12-1に記載の分析処理装置であって、
前記データ生成手段は、前記期間情報に基づく値を前記モデルに付与する
分析処理装置。
(付記13)
モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
処理実行方法。
(付記14)
付記13に記載の処理実行方法であって、
前記モデルを利用可能な期間を示す期間情報と前記期間情報に基づく値とが前記モデルを含むデータに付与されており、
前記処理リクエストに基づく値と、前記モデルに付与された前記設定情報に基づく値と、前記期間情報に基づく値と、に基づいて、予測処理を実行するか否か判断する
処理実行方法。
(付記15)
付記14に記載に処理実行方法であって、
前記期間情報の経過により、前記処理リクエストに基づく値と、前記モデルに付与された前記設定情報に基づく値及び前記期間情報に基づく値と、が一致しない場合、既に生成されているモデルを用いて処理を実行する
処理実行方法。
(付記16)
付記11乃至11-2のいずれかに記載のプログラムであって、
情報処理装置に、
前記モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
処理を実現させるためのプログラム。
(付記17)
付記12乃至12-2のいずれかに記載の分析処理装置であって、
モデルを利用した処理の実行を指示する処理リクエストを受信する受信部と、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する処理実行判断部と、
を有する
分析処理装置。
なお、上記各実施形態及び付記において記載したプログラムは、記憶装置に記憶されていたり、コンピュータが読み取り可能な記録媒体に記録されていたりする。例えば、記録媒体は、フレキシブルディスク、光ディスク、光磁気ディスク、及び、半導体メモリ等の可搬性を有する媒体である。
以上、上記各実施形態を参照して本願発明を説明したが、本願発明は、上述した実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の範囲内で当業者が理解しうる様々な変更をすることが出来る。
なお、本発明は、日本国にて2016年9月27日に特許出願された特願2016-188072の特許出願に基づく優先権主張の利益を享受するものであり、当該特許出願に記載された内容は、全て本明細書に含まれるものとする。
1 分析処理装置
11 リクエスト制御部
111 リクエスト受付部
112 リクエストデータ解析部
113 ライセンス検証部
114 記憶部
12 マシン計測部
13 レポート生成部
14 分析実行制御部
141 データ学習部
142 情報付与・更新部
143 ライセンス生成部
144 分析実行管理部
145 フィンガープリント生成部
146 データロード部
147 記憶部
15 記憶装置
2 クライアント装置
3 データストレージ
4 分析処理装置
41 モデル生成手段
42 データ生成手段
11 リクエスト制御部
111 リクエスト受付部
112 リクエストデータ解析部
113 ライセンス検証部
114 記憶部
12 マシン計測部
13 レポート生成部
14 分析実行制御部
141 データ学習部
142 情報付与・更新部
143 ライセンス生成部
144 分析実行管理部
145 フィンガープリント生成部
146 データロード部
147 記憶部
15 記憶装置
2 クライアント装置
3 データストレージ
4 分析処理装置
41 モデル生成手段
42 データ生成手段
Claims (15)
- 分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
モデル提供方法。 - 請求項1に記載のモデル提供方法であって、
前記モデルを利用可能な期間を示す期間情報を前記モデルに付与したデータを提供する
モデル提供方法。 - 請求項2に記載のモデル提供方法であって、
前記期間情報に基づく値を前記モデルに付与したデータを提供する
モデル提供方法。 - 請求項2又は3に記載のモデル提供方法であって、
前記モデルの生成を指示するリクエストを受信し、
前記リクエストが前記モデルの生成が可能である範囲を示すライセンス情報を満たさない場合、前回作成した前記モデルの前記期間情報を更新する
モデル提供方法。 - 請求項1乃至4のいずれかに記載のモデル提供方法であって、
前記モデルの生成を指示するリクエストを受信し、
前記リクエストが前記モデルの生成が可能である範囲を示すライセンス情報を満たさない場合、前記ライセンス情報を満たさない旨を示すレポートを提供する
モデル提供方法。 - 請求項5に記載のモデル提供方法であって、
前記リクエストが前記ライセンス情報を満たさない場合、新たなモデルの生成を停止させる
モデル提供方法。 - 請求項5又は6に記載のモデル提供方法であって、
前記ライセンス情報には、生成可能なモデルの数を示す生成モデル残数が含まれている
モデル提供方法。 - 請求項1乃至7のいずれかに記載のモデル提供方法であって、
前記設定情報に基づいて算出されるハッシュ値をフィンガープリントとして前記モデルに付与したデータを提供する
モデル提供方法。 - 請求項3に記載のモデル提供方法であって、
前記期間情報に基づいて算出されるハッシュ値をフィンガープリントとして前記モデルに付与したデータを提供する
モデル提供方法。 - 請求項1乃至9のいずれかに記載のモデル提供方法であって、
前記設定情報には、分析タスクを識別するためのIDである分析ID、分析対象データのうちの主キーに対応するデータ、分析対象データのメタデータである属性情報のうちのいずれかが少なくとも含まれている
モデル提供方法。 - 情報処理装置に、
分析対象のデータである分析対象データに基づいてモデルを生成し、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを提供する
処理を実現させるためのプログラム。 - 分析対象のデータである分析対象データに基づいてモデルを生成するモデル生成手段と、
前記モデルを生成する際の分析対象データの設定情報に基づく値を、前記モデルの正当性を保証する情報として前記モデルに付与したデータを生成するデータ生成手段と、
を有する
分析処理装置。 - モデルを利用した処理の実行を指示する処理リクエストを受信し、
前記処理リクエストに基づく値と、前記モデルに付与された前記モデルを生成する際の分析対象データの設定情報に基づく値と、に基づいて、処理を実行するか否か判断する
処理実行方法。 - 請求項13に記載の処理実行方法であって、
前記モデルを利用可能な期間を示す期間情報と前記期間情報に基づく値とが前記モデルを含むデータに付与されており、
前記処理リクエストに基づく値と、前記モデルに付与された前記設定情報に基づく値と、前記期間情報に基づく値と、に基づいて、予測処理を実行するか否か判断する
処理実行方法。 - 請求項14に記載に処理実行方法であって、
前記期間情報の経過により、前記処理リクエストに基づく値と、前記モデルに付与された前記設定情報に基づく値及び前記期間情報に基づく値と、が一致しない場合、既に生成されているモデルを用いて処理を実行する
処理実行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018542327A JP6642729B2 (ja) | 2016-09-27 | 2017-09-07 | モデル提供方法、プログラム、分析処理装置、処理実行方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016-188072 | 2016-09-27 | ||
JP2016188072 | 2016-09-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2018061700A1 true WO2018061700A1 (ja) | 2018-04-05 |
Family
ID=61763406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2017/032308 WO2018061700A1 (ja) | 2016-09-27 | 2017-09-07 | モデル提供方法、プログラム、分析処理装置、処理実行方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6642729B2 (ja) |
WO (1) | WO2018061700A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102142540B1 (ko) * | 2019-04-25 | 2020-08-07 | 군산대학교산학협력단 | 기계학습 및 드론을 이용한 풍력발전기용복합재 블레이드의 손상 검사 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003083746A1 (fr) * | 2002-03-29 | 2003-10-09 | Matsushita Electric Industrial Co., Ltd. | Appareil de reproduction de contenu et procede de commande de reproduction de contenu |
JP2004259229A (ja) * | 2003-02-28 | 2004-09-16 | Seiko Precision Inc | データの真正性が保証されるデータベースとそのバックアップシステム及び方法 |
JP2011188029A (ja) * | 2010-03-04 | 2011-09-22 | Fujitsu Ltd | 電子署名装置、電子署名方法及びコンピュータプログラム |
JP2013175036A (ja) * | 2012-02-24 | 2013-09-05 | Canon Inc | 情報処理装置、制御方法、プログラム |
JP2014092878A (ja) * | 2012-11-01 | 2014-05-19 | Nippon Telegr & Teleph Corp <Ntt> | 分類モデル更新支援装置及び方法及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022690A (ja) * | 2009-07-14 | 2011-02-03 | Renesas Electronics Corp | シミュレーションモデル生成装置 |
-
2017
- 2017-09-07 WO PCT/JP2017/032308 patent/WO2018061700A1/ja active Application Filing
- 2017-09-07 JP JP2018542327A patent/JP6642729B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003083746A1 (fr) * | 2002-03-29 | 2003-10-09 | Matsushita Electric Industrial Co., Ltd. | Appareil de reproduction de contenu et procede de commande de reproduction de contenu |
JP2004259229A (ja) * | 2003-02-28 | 2004-09-16 | Seiko Precision Inc | データの真正性が保証されるデータベースとそのバックアップシステム及び方法 |
JP2011188029A (ja) * | 2010-03-04 | 2011-09-22 | Fujitsu Ltd | 電子署名装置、電子署名方法及びコンピュータプログラム |
JP2013175036A (ja) * | 2012-02-24 | 2013-09-05 | Canon Inc | 情報処理装置、制御方法、プログラム |
JP2014092878A (ja) * | 2012-11-01 | 2014-05-19 | Nippon Telegr & Teleph Corp <Ntt> | 分類モデル更新支援装置及び方法及びプログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102142540B1 (ko) * | 2019-04-25 | 2020-08-07 | 군산대학교산학협력단 | 기계학습 및 드론을 이용한 풍력발전기용복합재 블레이드의 손상 검사 방법 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2018061700A1 (ja) | 2019-04-25 |
JP6642729B2 (ja) | 2020-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6939791B2 (ja) | 掲示板情報管理システム | |
CN108768665B (zh) | 区块链生成方法、装置、计算机设备以及存储介质 | |
CN108923909B (zh) | 区块链生成方法、装置、计算机设备及存储介质 | |
JP6646710B2 (ja) | 道路交通の管理 | |
CN104823207B (zh) | 通过与随机成分组合来保护用于移动支付应用程序的个人识别号码 | |
US20120278242A1 (en) | System and method for providing product data collection, monitoring, and tracking | |
CN108369504A (zh) | 被分发到变化拓扑的由模型驱动的更新 | |
JP2016009276A (ja) | システム、認証装置、認証プログラム、及び、認証方法 | |
US20130144879A1 (en) | Trusting crowdsourced data with issued tags | |
CN105453050A (zh) | 开发辅助系统 | |
JP2013519929A (ja) | 情報処理装置、情報処理システム、ソフトウェアルーチン実行方法およびリモート認証方法 | |
US9294464B2 (en) | Automatic authorization of users and configuration of software development environment | |
JP2008005156A5 (ja) | ||
JP7278299B2 (ja) | データ管理サーバ、データ利用サーバ、データ流通システム、データ管理方法及びプログラム | |
CN110597841B (zh) | 一种基于区块链网络的应用评论信息处理方法及装置 | |
EP3695360A1 (en) | Blockchain with transaction cancellation | |
WO2019230074A1 (ja) | 臨床試験支援システム、臨床試験支援プログラム及び臨床試験支援方法 | |
KR102216276B1 (ko) | 블록체인과 스마트 컨트랙트를 이용한 기술가치평가 방법 및 시스템 | |
JP2018518998A (ja) | 医療用検出デバイスの使用制御方法、システム、及び医療用検出デバイス | |
US20120239937A1 (en) | Information processing device, computer program product, and access control system | |
CN115118441A (zh) | 一种基于区块链的身份验证系统 | |
US11388077B2 (en) | Computer-executable and traceable metric queues system | |
JP6523581B2 (ja) | 情報提供装置、情報提供システム、情報提供方法および情報提供プログラム | |
WO2018061700A1 (ja) | モデル提供方法、プログラム、分析処理装置、処理実行方法 | |
US20200143668A1 (en) | System and method of processing traffic information using blockchain technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 17855658 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2018542327 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 17855658 Country of ref document: EP Kind code of ref document: A1 |