JP6642729B2 - 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

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。

国際公開第２０１５／０９２９２０号

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。

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。

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。

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。

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。

本発明の第１の実施形態に係る分析処理装置の構成の一例を示すブロック図である。 ライセンス情報の一例を示す図である。 分析レポートの一例を示す図である。 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。 情報付与・更新部が生成する予測式を含むデータの一例を示す図である。 本発明の第１の実施形態に係る分析処理装置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。 分析処理装置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２の実施形態に係る分析処理装置の構成の一例を示す概略ブロック図である。

［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。

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。

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。

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

Claims (7)

1. 情報処理装置が、
   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、前記モデルを利用可能な期間を示す期間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、
   前記リクエストに対応する、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に、条件を満たさない項目がある場合、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。
2. 請求項１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。
3. 請求項１乃至２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、
   前記リクエストに対応する、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に、条件を満たさない項目がある場合、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。
4. 請求項３に記載のモデル提供方法であって、
   前記リクエストに対応する、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に、条件を満たさない項目がある場合、新たなモデルの生成を停止さ
   せる
   モデル提供方法。
5. 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、前記モデルを利用可能な期間を示す期間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、
   前記リクエストに対応する、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に、条件を満たさない項目がある場合、前回作成した前記モデルの前記期間情報を更新する
   処理を実現するためのプログラム。
6. 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、前記モデルを利用可能な期間を示す期間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、
   前記モデルの生成を指示するリクエストを受信するリクエスト受付手段と、
   前記リクエストに対応する、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に、条件を満たさない項目がある場合、前回作成した前記モデルの前記期間情報を更新するライセンス検証手段と、
   を有する
   分析処理装置。
7. 情報処理装置が、
   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、前記モデルに付与された前記モデルを利用可能な期間を示す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。
   

Images