JP7616387B2 - 秘密計算システム、方法、プログラム、及び、情報処理システム - Google Patents

Description

本開示は、秘密計算システム等に関する。

近年、個人情報などの機微データを機械学習させ、生成された学習モデルに基づいたデータ分析が行われている。機密性の保持が求められるデータは、秘匿化された形で分析されることが望ましい。特許文献１は、データを暗号化したまま計算できる秘密計算システムを開示している。

特許文献２は、各社が保有するデータの詳細を他社に開示することなく、データを活用するシステムを開示している。特許文献３は、予測モデルを変換し、変換された予測モデルを秘密分散法により分散する方法を開示している。

特許第６７９５８６３号 特許第６８０３５９８号 特開２０１９－２１５５１２号公報

金融機関は学習モデルを用いた分析を活用できる組織の一つである。金融機関ごとに保持する顧客の情報は異なるため、一の機関が保有する情報に基づく学習モデルと、他の機関が保持する情報に基づく学習モデルでは得られる結果が異なる可能性がある。しかし、他の学習モデルの分析結果も確認するために一の機関の学習モデルを他の機関に渡すことはためらわれる。特許文献１－３は、複数の学習モデルの分析結果を利用することは特に言及していない。

本開示は、各金融機関のモデルを漏洩させずに、各モデルの分析結果の利用を可能にする秘密計算システム等を提供することを目的とする。

本開示に係る秘密計算システムは、複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行する秘密計算手段と、前記秘密計算手段によって分析された前記複数のモデルによる分析結果を出力する出力手段とを備える。

本開示に係る方法は、複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行し、分析された各モデルの分析結果を出力する、方法。

本開示に係るプログラムは、複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行し、計算された各モデルの分析結果を出力する、ことをコンピュータに実行させる。

本開示によれば、各金融機関のモデルを漏洩させずに、各モデルの分析結果の利用が可能となる。

第一の実施形態における情報処理システム１０の構成を示すブロック図である。 分析結果の例を示す図である。 分析結果の他の例を示す図である。 分析結果に基づく出力の例を示す図である。 分析結果に基づく出力の例を示す図である。 分析結果に基づく出力の他の例を示す図である。 分析結果と集約結果を対比の例を示す図である。 秘密計算システム１００の動作例を示すフローチャートである。 第二の実施形態における情報処理システム１１の構成を示すブロック図である。 情報処理システム１１の動作例を示すフローチャートである。 コンピュータ５００のハードウェア構成の例を示すブロック図である。

［第一の実施形態］
図１は、第一の実施形態における情報処理システム１０の構成を示すブロック図である。第一の実施形態における情報処理システム１０は、各金融機関が保有するモデルにより、金融取引情報に基づいた金融取引に関する分析を行うためのシステムである。金融取引に関する分析とは、例えば、金融機関と顧客との間の金融取引を支援するための分析である。さらに、金融取引に関する分析とは、金融機関による法人に対する助言を支援するための分析も含まれる。

金融機関とは、例えば、銀行（都市銀行、ゆうちょ銀行、地方銀行、信用金庫、信用組合を含む）、証券会社又は保険会社等の金融商品を扱っている業者の他、クレジットカード会社やキャッシュレス決済を扱う決済事業者を含む。また、第一の実施形態における金融機関として、自動車や家電製品のリース業やレンタル業を行っている物品賃貸業者も含まれる。金融商品としては、例えば、預金、債券、投資信託、外貨、保険、株式、先物取引、ＦＸ又は仮想通貨等が含まれる。

顧客とは、個人の顧客と法人の顧客とを含む。金融取引情報は、例えば、過去の口座の入出金情報、過去に購入した金融商品の情報など、過去の取引の状況を含む。金融取引情報は、さらに、顧客属性を含んでもよい。顧客属性とは、個人の顧客の場合、例えば、顧客の職業、性別、年齢、居住地、家族構成などの属性を含む。

なお、金融取引情報には、上述の情報の少なくとも一部が含まれなくてもよく、上述の情報以外の情報が含まれてもよい。

金融機関は、例えば、顧客に対するおすすめの金融商品、または、金融商品の購入を提案すべき顧客の分析に基づいて、個人の顧客に金融商品の購入を助言する。また、金融機関は、法人の顧客に対する金融面での経営戦略や金融商品取引に関する助言を行い得る。金融機関は、分析に基づいて例えばＭ＆Ａ支援又は金融商品・サービスのレコメンド等を行う。

図１を参照すると、情報処理システム１０は、秘密計算システム１００及び複数の金融機関システム２００（２００ａ、２００ｂ）を含む。図１において、金融機関システム２００の数は２つであるが、これに限られない。複数の金融機関システム２００は、情報処理システム１０による分析に参加する金融機関の数だけ含まれてもよい。

秘密計算システム１００は、例えば、金融分析サービスツール等を金融機関の各々に向け提供するサービス提供者によって運用される。サービス提供者は、各金融機関システム２００から取得したモデルについて、各モデルによる分析結果を集約する金融分析サービス等を提供する。

＜金融機関システム２００＞
金融機関システム２００は、第１のシステムの一例である。金融機関システム２００のそれぞれは、モデル記憶部２０１（２０１ａ、２０１ｂ）、モデル秘匿化部２０２（２０２ａ、２０２ｂ）、及び、モデル出力部２０３（２０３ａ、２０３ｂ）を備える。金融機関システム２００は、個々の金融機関が保有し、運用する。

モデル記憶部２０１は、各々の金融機関に関して生成されたモデルである、金融取引情報を分析するための学習済みモデルを格納する。モデル秘匿化部２０２は、モデル記憶部２０１が記憶するモデルを秘匿化する。モデル出力部２０３は、通信ネットワークを介して秘密計算システム１００に秘匿化されたモデルを出力する。

金融機関システム２００は、さらに、モデル生成部２０４（２０４ａ、２０４ｂ）、顧客情報記憶部２０５（２０５ａ、２０５ｂ）、及び、入出力部２０６（２０６ａ、２０６ｂ）を備えてもよい。

顧客情報記憶部２０５は、各金融機関が保有する金融取引情報を記憶する。

モデル生成部２０４は、顧客情報記憶部２０５に記憶された情報に基づいて、モデルを生成する。モデル生成部２０４は、金融機関の各々が保有する顧客の金融取引情報に基づいて、各々の金融機関に関してモデルを生成する。すなわち、第一の実施形態に係るモデル生成部２０４ａは、顧客情報記憶部２０５ａの情報に基づいてモデルを生成し、モデル生成部２０４ｂは、顧客情報記憶部２０５ｂの情報に基づいてモデルを生成する。
例えば、モデル生成部２０４は、顧客がある金融商品を購入するか否かと、別の金融商品を購入するか否かの関係の学習によりモデルを生成する。モデル生成部２０４は、顧客属性を含む金融取引情報に基づいてモデルを生成してもよい。例えば、モデル生成部２０４は、顧客属性と入出金情報又は金融商品の購入履歴の関係の学習によりモデルを生成する。あるいは、モデル生成部２０４は、顧客属性を含まない金融取引情報に基づいてモデルを生成してもよい。モデル生成部２０４は、生成したモデルをモデル記憶部２０１に記憶させる。

入出力部２０６は、分析対象の顧客の金融取引情報を、通信ネットワークを介して秘密計算システム１００に送信する。用いられるモデルが、各金融機関が保有する顧客属性に基づいて生成されていない場合、入出力部２０６は、分析対象の顧客の顧客属性を送信しなくてもよい。用いられるモデルが、顧客属性に基づいて生成されている場合、入出力部２０６は、分析対象の顧客の顧客属性を送信してもよいし、送信しなくてもよい。

また、入出力部２０６は、秘密計算システム１００によって実行された分析結果を受信する。受信した分析結果は、例えば任意のディスプレイに表示される。

入出力部２０６は、顧客の金融取引情報を顧客情報記憶部２０５から取得し、秘密計算システム１００に送信してもよい。入出力部２０６は、金融取引情報を秘匿化して、秘密計算システム１００に送信してもよい。入出力部２０６は、入出力装置の一例である。

（モデルの例）
モデルは、各金融機関にて、例えば、顧客の金融取引情報を用いて、特定の分析結果を出力するために、機械学習により予め学習されたモデルである。

このようなモデルの例として、購買予測のモデルが挙げられる。購買予測のモデルは、顧客属性又は過去の取引の状況が入力されると、金融機関の金融商品を推薦するか否かの予測又はどの金融商品を推薦するかの予測を出力するものである。

購買予測のモデルには、例えば、顧客属性、又は、過去一定期間の取引の状況を入力値として、顧客が金融商品を購入する可能性を出力するようなモデルが含まれる。顧客が金融商品を購入する可能性の分析結果は、顧客が買うか、買わないかの２択により表されてもよい。あるいは、購入の可能性などの分析結果は、割合など確率により表されてもよい。分析結果は、顧客が金融商品を買うか、買わないかのように２値ではなく、３種類以上の選択肢により表されてもよい。分析結果は、ランク、又は、スコアにより表されてもよい。

モデルは、複数の顧客についての情報の入力に基づいて、複数の顧客のうち、金融商品を購入する顧客を予測して出力してもよい。モデルは、金融商品を購入すると予測される、複数の顧客を出力してもよい。

モデルは、金融商品を購入する顧客の属性を学習し、予測するものであってもよい。このようなモデルは、金融商品を購入する顧客群を予測して出力してもよい。出力される顧客群は、例えば、１以上の共通の属性を有する。

モデルは、顧客の情報の入力に基づいて、顧客が購入する可能性のある金融商品を予測して出力してもよい。モデルは、顧客が購入する可能性のある金融商品として、複数の金融商品を出力してもよい。

機械学習するモデルは、決定木モデル、線形回帰モデル、ロジスティック回帰（Logistic regression）モデル、ニューラルネットワーク（Neural Networks）モデル等を含むが、これらに限らない。

＜秘密計算システム１００＞
次に、本実施形態の基本構成である秘密計算システム１００について詳しく説明する。秘密計算システム１００は、第２のシステムの一例である。秘密計算システム１００は、秘密計算部１０１、及び、出力部１０２を備える。

（秘密計算による分析）
秘密計算部１０１は、複数の金融機関の各々に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、金融取引に関する分析を秘密計算により実行する。秘密計算とは、データを秘匿化したまま行われる計算である。ここでの秘密計算は、具体的には、複数のモデルの各々と分析対象の顧客の金融取引情報を秘匿化したまま分析を実行することである。

秘密計算方法としては、準同型暗号等の特定の処理に対応した特殊な暗号化、ハードウェア上で隔離された状態で処理する高信頼実行環境(Trusted Execution Environment)、又は複数のサーバで秘密分散したまま計算処理（秘密分散計算）するマルチパーティ計算等を用いることができる。

マルチパーティ計算の秘密計算の具体的方法としては、次の例が挙げられる。例えば、秘匿化データaが分散値x,y,…に秘密分散され、x,y,…はそれぞれサーバに送信される。次いで秘匿化データaが秘密分散されたままの状態で各サーバが互いに通信を行いつつ計算を進める。最後に各サーバの計算結果である出力の分散値u,v,…を集め、復元処理を行うことで、計算結果のF(a)が得られる。この計算結果が顧客の金融取引に関する分析結果となる。このため、秘密計算方法としてマルチパーティ計算を用いる場合、秘密計算部１０１は、複数のサーバにより実現される。マルチパーティ計算によれば、暗号鍵の管理や隔離された環境が不要であり、一般に計算処理がより速い。

秘密計算部１０１は、例えば、秘密分散により秘匿化されたモデルと、秘密分散により秘匿化された金融取引情報とを用いて、分析を秘密計算により実行してもよい。

秘密計算部１０１は、複数の金融機関の各々に関して生成された複数のモデルのそれぞれに、分析対象の顧客の金融取引情報を入力し、複数の分析結果を得る。図２は、各モデルによる分析結果の例を示す図である。図２において、例えば、Ｘは顧客がある金融商品を購入すると分析されたことを示し、Ｙは顧客が金融商品を購入しないと分析されたことを示す。「分析対象」は、各モデルにいずれの顧客の金融取引情報を入力したかを示す。図２は、金融機関Ａが保有する情報に基づいて生成されたモデルに、顧客Ｃ１の資産に関する情報を入力したときに、顧客Ｃ１は金融商品を購入すると分析されたことを示す。

各モデルは、分析結果として、複数の顧客又は複数の金融商品を含む複数の値を出力する場合がある。図３は、各モデルによる分析結果の他の例を示す図である。図３において、ある金融商品を購入する可能性のある見込み顧客として、金融機関Ａのモデルによれば、顧客Ｃ１、Ｃ２、Ｃ４、・・・が出力される。

金融機関ごとにターゲット顧客層又は商圏が異なると、各金融機関が保持する顧客の情報が示す傾向は異なる場合がある。したがって、一の機関が保有する情報に基づく学習モデルと、他の機関が保持する情報に基づく学習モデルでは得られる分析結果が異なる可能性がある。

（分析結果の出力）
秘密計算部１０１は、各モデルの分析結果を出力部１０２に送信する。出力部１０２は、秘密計算部１０１によって計算された各モデルの分析結果を出力する。出力部１０２は、例えば、金融機関システム２００の入出力部２０６に分析結果を出力する。

分析結果の出力の方法は特に限られない。出力部１０２は、いずれのモデルがどのような分析をしたかを示して分析結果を出力してもよい。図４は、図３の分析結果に基づく出力の例を示す図である。図４は、金融機関Ａ、Ｃのモデルによれば、顧客Ｃ１は金融商品を購入すると分析され、金融機関Ｂのモデルによれば、顧客Ｃ１は金融商品を購入しないと分析されたことを表す。

出力部１０２は、同じ分析結果を計算したモデルの数などに基づいて、分析結果を任意の順番に並び替えて出力してもよい。同じ分析結果とは、分析結果が完全に同一である場合に限られず、分析結果の差が小さく、同一視して扱える場合を含みうる。例えば、同じ分析結果とは、分析結果から導かれる判断が同じであることを含む。出力部１０２は、例えば、同じ分析結果を計算したモデルが多い順番に分析結果を表示する集約結果を出力する。図４において、例えば、見込み顧客は金融商品を購入すると分析したモデルが多い順番に表示される。

出力部１０２は、いずれのモデルがどのような分析をしたかとともに、同じ分析結果を計算したモデルの数又は割合を出力してもよい。

出力部１０２は、いずれのモデルが分析した結果であるか特定不可能な形式で、各モデルの分析結果を出力してもよい。特定不可能な形式で出力部１０２が分析結果を出力し、いずれのモデルが分析した結果であるかを示さない場合、各モデルの分析の傾向が漏洩するリスクを低減しうる。

いずれのモデルが分析した結果であるか特定不可能な形式の例として、例えば、出力部１０２は、それぞれの分析結果ごとに、各分析結果を出力したモデルの数を出力してもよい。また、出力部１０２は、各分析結果を出力したモデルの割合を出力してもよい。図５は、図２の分析結果に基づく出力の例を示す図である。図５において、２つのモデルからＸの分析結果が得られ、１つのモデルからＹの分析結果が得られたことが示されている。

出力部１０２が、各分析結果を出力したモデルの数又はモデルの割合を出力することで、分析結果の傾向や分析の確からしさを示せる。

出力部１０２は、複数のモデルによって分析された各々の分析結果を集約して出力してもいい。分析結果を集約することは、複数の分析結果をより少ない数の分析結果または値に代表させることを含む。分析結果が集約された出力は集約結果とも呼ばれる。出力部１０２は、集約結果を、いずれのモデルがどのような分析をしたかとともに出力してもよいし、いずれのモデルが分析した結果であるか示さずに出力してもよい。

集約の例として、出力部１０２は、分析結果から導かれる判断が同じであるモデルの数に基づいて、分析結果を出力してもよい。例えば、出力部１０２は、複数のモデルによる多数決に基づいて分析結果を出力してもよい。具体的には、出力部１０２は、同じ分析結果を算出したモデルの数が最も多い分析結果を出力してもよい。図６は、分析結果の出力の他の例を示す図である。図２の分析結果において、Ｘと分析したモデルが最も多いから、図６に示すように、出力部１０２は、Ｘを顧客Ｃ１についての分析結果として出力してもよい。

出力部１０２が１つの分析結果を出力することで、ユーザにとって単純で分かりやすい結果が得られる。また、いずれのモデルがどのような分析結果を出力したか示さなくても、複数のモデルに基づいた分析結果を示せる。

出力部１０２が出力する集約結果は、１つであってもよいが、１つには限られない。出力部１０２は、２つ以上のモデルをそれぞれ含む複数のグループごとに、分析結果を集約して出力してもよい。

例えば、出力部１０２は、同じ分析結果を算出したモデルの数が２番目以降に多い分析結果を出力に含めてもよい。出力部１０２は、出力する分析結果が１つの場合も、２以上の場合も、該分析結果を出力したモデルの数又は割合を出力してもよい。

集約の他の例として、出力部１０２は、各モデルが出力した分析結果のスコアの平均を分析結果として出力してもよい。あるいは、出力部１０２は、モデルごとに分析結果のスコアの重み付けを行って得られたスコアを出力してもよい。モデルごとの重みは任意の方法で決定される。出力部１０２が、複数の分析結果のスコアに基づくスコアを出力することで、各モデルの具体的なスコアを示さなくても、各モデルの分析を考慮した分析結果を出力できる。

出力部１０２は、一のモデルによる分析結果と、複数のモデルによる分析結果を集約した結果とを対比可能に出力してもよい。一のモデルの分析結果は、対比される集約結果に含むよう集約されてもよいし、集約の際に含まれなくてもよい。対比を行う一のモデルは、任意に定められるが、例えば、分析対象の顧客の金融取引情報を取得した金融機関システム２００から取得されたモデルであってもよい。

図７は、出力部１０２が出力する分析結果と集約結果を対比の例を示す図である。例えば、入出力部２０６が金融機関Ａの顧客の情報を送信するよう、金融機関Ａの担当者は金融機関システム２００を操作する。出力部１０２は、図７に示すように、金融機関Ａのモデルの分析結果と、複数のモデルの分析結果を集約した結果と、を横に並べて出力する。図７において、集約結果は、例えば、複数のモデルの各々によって分析されたスコアの平均である。これにより担当者は、自社のモデルの分析結果が、他のモデルによる分析結果と異なっているか容易に対比できる。

図７において、出力される分析結果の数及び順番は任意の方法で定められる。数及び順番は、例えば、一のモデルの分析結果と他の複数のモデルの集約結果の類似度に基づいて定められてもよい。出力部１０２は、例えば、分析結果と集約結果が一致している分析結果を出力する。あるいは、出力部１０２は、分析結果が集約結果と類似している順番に分析結果が出力する。

（動作例）
以上のように構成された秘密計算システム１００の動作について説明する。図８は、秘密計算システム１００の動作例を示すフローチャートである。

秘密計算部１０１は、複数の金融機関システム２００のそれぞれから、秘匿化されたモデルを取得する（ステップＳ１０１）。例えば、秘密計算部１０１は、モデル出力部２０３ａ、２０３ｂからモデルを取得する。秘密計算部１０１は、分析を行うごとに金融機関システム２００からモデルを取得してもよい。あるいは、秘密計算部１０１は、予め金融機関システム２００から受信され、秘匿化されたモデルを、図示しない記憶部から取得してもよい。

秘密計算部１０１は、金融機関システム２００から秘匿化された顧客の金融取引情報を取得する（ステップＳ１０２）。例えば、秘密計算部１０１は、金融機関システム２００ａの入出力部２０６ａから分析対象の顧客の金融取引情報を取得する。このとき、秘密計算部１０１は、複数の顧客の金融取引情報を取得してもよい。

秘密計算部１０１は、秘密計算を実行し、複数のモデルのそれぞれによる分析結果を得る（ステップＳ１０３）。具体的には、秘密計算部１０１は、秘匿化されたモデルのそれぞれに、秘匿化された顧客の金融取引情報を入力し、複数の分析結果を得る。なお、秘密計算部１０１は、金融機関システム２００ａから取得した情報に基づいて分析を行うとき、金融機関システム２００ａのモデル出力部２０３ａから取得されるモデルによる分析を省略してもよい。該モデルによる分析は省略されてもよく、あるいは、金融機関システム２００ａにおいて行われてもよいためである。秘密計算システム１００は、金融機関システム２００ａからモデルによる分析結果を取得してもよい。

出力部１０２は、秘密計算部１０１から複数の分析結果を取得し、出力する（ステップＳ１０４）。具体的には、例えば、分析対象の顧客の金融取引情報を送信した金融機関システム２００ａの入出力部２０６ａに集約結果を出力する。

一実施形態によれば、秘密計算部１０１は、複数のモデルと、顧客の金融取引情報とに基づいて、それぞれのモデルによる分析を秘密計算により実行する。出力部１０２は、秘密計算部１０１によって計算された各モデルの分析結果を出力する。したがって、各金融機関のモデルを漏洩させずに、各モデルの分析結果の利用が可能となる。

［第二の実施形態］
次に、第二の実施形態に係る情報処理システム１１について説明する。第二の実施形態における情報処理システム１１は、第一の実施形態と同様に、各金融機関が保有するモデルにより、金融取引情報に基づいた金融取引に関する分析を行うためのシステムである。以下、本実施形態の説明が不明確にならない範囲で、前述の説明と重複する内容については説明を省略する。

図９は、第二の実施形態における情報処理システム１１の構成を示すブロック図である。情報処理システム１１は、秘密計算システム１００、複数の金融機関システム２１０（２１０ａ、２１０ｂ）、及び、入出力装置３００を含む。図９において、金融機関システム２１０の数は２つであるが、これに限られない。複数の金融機関システム２００は、情報処理システムによる分析に参加する金融機関の数だけ備えられてもよい。また、入出力装置３００の数は１つに限られず、複数含まれてもよい。

秘密計算システム１００の構成は第一の実施形態に係る秘密計算システム１００と基本的に同様である。秘密計算システム１００は第２のシステムの一例である。

金融機関システム２１０のそれぞれは、第一の実施形態の金融機関システム２００と同様に、モデル記憶部２０１、モデル秘匿化部２０２、及び、モデル出力部２０３を備える。金融機関システム２１０は、第１のシステムの一例である。

モデル記憶部２０１は、各々の金融機関に関して生成されたモデルである、金融取引情報を分析するための学習済みモデルを予め格納してもよい。複数の金融機関の各々が保有する顧客の金融取引情報は異なるから、各々の金融機関に関して生成されるモデルは異なる。各モデル記憶部２０１ａ、２０１ｂは異なるモデルを格納する。

モデル秘匿化部２０２が秘匿化したモデルを、モデル出力部２０３が秘密計算システム１００に送信する。モデル秘匿化部２０２は、モデル出力部２０３が備えていてもよい。

第二の実施形態において、金融機関システム２１０は、第一の実施形態の金融機関システム２００のモデル生成部２０４、顧客情報記憶部２０５、及び、入出力部２０６を備えない場合について説明する。ただし、金融機関システム２１０は、モデル生成部２０４、顧客情報記憶部２０５、及び、入出力部２０６のいずれかを備えてもよい。

入出力装置３００は、分析対象の顧客について、顧客の情報を秘密計算システム１００に入力するために用いられる。入出力装置３００は、パーソナルコンピュータ、タブレット端末、スマートフォンを含む任意の端末により実現されてもよい。

まず入出力装置３００は、分析対象の顧客の金融取引情報を取得する。具体的には、金融取引情報は、例えば、金融機関の担当者、又は、顧客によって、入出力装置３００に入力される。あるいは、金融取引情報は、入出力装置３００を介して、図示しない他の記憶部から取得される。

入出力装置３００は、第一の実施形態に係る入出力部２０６の代わりに用いられうる。すなわち、分析される顧客の情報は、顧客情報記憶部２０５に記憶されていなくてもよい。なお、第一の実施形態において、入出力部２０６に加えて、入出力装置３００がさらに設けられてもよい。

入出力装置３００は、取得した金融取引情報を秘匿化して秘密計算システム１００に送信する。入出力装置３００は、図示しない秘匿化部に情報を送信し、情報を秘匿化してから秘密計算システム１００に送信するよう秘匿化部に指示してもよい。

第二の実施形態において、秘密計算システム１００は、第一の実施形態と同様に、各金融機関システム２１０から秘匿化されたモデルを取得する。さらに、秘密計算システム１００は入出力装置３００から分析される顧客の情報を取得する。

以上のように構成された情報処理システム１１の動作について、図１０のフローチャートを参照して説明する。

まず金融機関システム２１０のモデル秘匿化部２０２はモデル記憶部２０１に記憶されたモデルを秘匿化する。モデル出力部２０３は、秘密計算システム１００に秘匿化されたモデルを送信する（ステップＳ２０１）。

秘密計算システム１００の秘密計算部１０１は、秘匿化されたモデルを取得する（ステップＳ２０２）。

次に、入出力装置３００は、金融取引情報を秘密計算システム１００に送信する（ステップＳ２０３）。秘密計算システム１００は、入出力装置３００から秘匿化された金融取引情報を取得する（ステップＳ２０４）。

秘密計算システム１００の秘密計算部１０１は、取得したモデルに金融取引情報を入力して得られるそれぞれのモデルによる分析を、秘密計算により実行する（ステップＳ２０５）。

秘密計算システム１００の出力部１０２は、各モデルの分析結果を出力し（ステップＳ２０６）、入出力装置３００に送信する。入出力装置３００は、秘密計算システム１００から分析結果を受信する（ステップＳ２０７）。

一実施形態によれば、金融機関システム２００のモデル記憶部２０１は、各々の金融機関が保有する金融取引情報に基づいて生成された、顧客の金融取引に関する分析を行うモデルを記憶する。金融機関システム２００のモデル出力部２０３は、モデルを秘匿した形式で秘密計算システム１００へ送信する。入出力装置３００は、金融取引情報を秘匿化した形式で秘密計算システム１００へ送信する。秘密計算システム１００の秘密計算部１０１は、秘匿化された複数のモデルと、金融取引情報とに基づいて、それぞれのモデルによる分析を秘密計算により実行する。秘密計算システム１００の出力部１０２は、秘密計算部１０１によって計算された各モデルの分析結果を出力する。したがって、各金融機関のモデルを漏洩させずに、各モデルの分析結果の利用が可能となる。

［変形例］
＜モデルの他の例＞
第一及び第二の実施形態に係るモデルとして、例えば、ローン審査、又は解約予測等に用いるモデルがさらに挙げられる。ローン審査のモデルは、顧客属性や返済状況等の金融取引情報を入力値として貸し出す金額を出力するものである。解約予測のモデルは、各金融機関の過去一定期間の取引の状況を入力値としてローンの繰り上げ返済の可能性や定期預金解約・口座解約の可能性を金融機関の顧客毎にスコア化した結果を出力するものである。

ここで、法人向けの金融分析ツールで利用される各モデルの詳細について説明する。各金融機関は過去に法人の顧客に対する助言を行った金融取引の成功例に基づくＭ＆Ａ支援のモデルを保有する。Ｍ＆Ａ支援のモデルは、買収側が利用するモデルと売り手（被買収側）側が利用するモデルとがある。買収側モデルは、例えば、過去の成功例を基に業種、売上又は地域等の金融取引情報を教師データとして学習したモデルである。このモデルは、買収を希望する企業名等が入力されると、買収の可否や買収額を出力する。売り手側モデルは、例えば、過去の成功例を基に業種、売上又は地域等の金融取引情報を教師データとして学習したモデルである。このモデルは、希望する買収先企業の企業名等が入力されると、その企業が買収を希望するかの可能性や希望買収予想額を出力する。これらのモデルによれば、買い手と売り手のマッチングの正確性が図れ、融資機会を増やすことができる。

モデルは、顧客の金融取引情報の入力に基づいて、顧客の与信情報（与信枠）を出力してもよい。このようなモデルは、顧客の与信枠を設定する融資審査の支援に用いられる。融資審査のモデルは、例えば、既存顧客の返済状況を入力値して融資額（増額・借り換え・期間延長）を出力するものである。

情報処理システム１０、１１は、金融機関の人事（評価／適正／異動）に関するモデルも利用できる。人事に関するモデルは、従業員の過去一定期間の人事情報からその従業員の離職確率・昇進確率・異動の必要性と異動先等を予測するものである。

＜金融機関の組み合わせ＞
また、第一、第二の実施形態において、複数の金融機関は、同じ業種体の金融機関に限られず、銀行、証券会社又は保険会社といった、銀行と銀行以外の金融機関とで構成されていても構わない。複数の金融機関が銀行同士で構成されている場合であっても、都市銀行と地方銀行等の規模の異なる銀行の同士で構成されていても構わない。

［ハードウェア構成］
上述した各実施形態において、秘密計算システム１００、及び、金融機関システム２００、２１０を含む各装置の各構成要素は、機能単位のブロックを示している。各装置の各構成要素の一部又は全部は、コンピュータ５００とプログラムとの任意の組み合わせにより実現されてもよい。

図１１は、コンピュータ５００のハードウェア構成の例を示すブロック図である。図１１を参照すると、コンピュータ５００は、例えば、ＣＰＵ（Central Processing Unit）５０１、ＲＯＭ（Read Only Memory）５０２、ＲＡＭ（Random Access Memory）５０３、プログラム５０４、記憶装置５０５、ドライブ装置５０７、通信インタフェース５０８、入力装置５０９、入出力インタフェース５１１、及び、バス５１２を含む。

プログラム５０４は、各装置の各機能を実現するための命令（instruction）を含む。プログラム５０４は、予め、ＲＯＭ５０２やＲＡＭ５０３、記憶装置５０５に格納される。ＣＰＵ５０１は、プログラム５０４に含まれる命令を実行することにより、各装置の各機能を実現する。例えば、秘密計算システム１００のＣＰＵ５０１がプログラム５０４に含まれる命令を実行することにより、秘密計算システム１００の機能を実現する。また、ＲＡＭ５０３は、各装置の各機能において処理されるデータを記憶してもよい。

ドライブ装置５０７は、記録媒体５０６の読み書きを行う。通信インタフェース５０８は、通信ネットワークとのインタフェースを提供する。入力装置５０９は、例えば、マウスやキーボード、内蔵のキーボタン、タッチパネル等であり、金融機関の担当者又は顧客等からの情報の入力を受け付ける。出力装置５１０は、例えば、ディスプレイであり、金融機関の担当者又は顧客等へ情報を出力（表示）する。入出力インタフェース５１１は、周辺機器とのインタフェースを提供する。バス５１２は、これらハードウェアの各構成要素を接続する。なお、プログラム５０４は、通信ネットワークを介してＣＰＵ５０１に供給されてもよいし、予め、記録媒体５０６に格納され、ドライブ装置５０７により読み出され、ＣＰＵ５０１に供給されてもよい。

なお、図１１に示されているハードウェア構成は例示であり、これら以外の構成要素が追加されていてもよく、一部の構成要素を含まなくてもよい。

各装置の実現方法には、様々な変形例がある。例えば、各装置は、構成要素毎にそれぞれ異なるコンピュータとプログラムとの任意の組み合わせにより実現されてもよい。また、各装置が備える複数の構成要素が、一つのコンピュータとプログラムとの任意の組み合わせにより実現されてもよい。

また、各装置の各構成要素の一部又は全部は、プロセッサ等を含む汎用又は専用の回路（circuitry）や、これらの組み合わせによって実現されてもよい。これらの回路は、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。

また、各装置の各構成要素の一部又は全部が複数のコンピュータや回路等により実現される場合、複数のコンピュータや回路等は、集中配置されてもよいし、分散配置されてもよい。

以上、実施形態を参照して本開示を説明したが、本開示は上記実施形態に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。また、各実施形態における構成は、本開示のスコープを逸脱しない限りにおいて、互いに組み合わせることが可能である。

例えば、複数の動作をフローチャートの形式で順番に記載してあるが、その記載の順番は複数の動作を実行する順番を限定するものではない。このため、各実施形態を実施するときには、その複数の動作の順番は内容的に支障しない範囲で変更することができる。

上記実施形態の一部又は全部は、以下の付記のように記載され得るが、以下には限られない。

［付記１］
複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行する秘密計算手段と、
前記秘密計算手段によって分析された前記複数のモデルによる分析結果を出力する出力手段と
を備える、秘密計算システム。

［付記２］
前記出力手段は、いずれのモデルが分析した結果であるか特定不可能な形式で各モデルの分析結果を出力する
付記１に記載の秘密計算システム。

［付記３］
前記出力手段は、前記複数のモデルによって分析された各々の分析結果を集約して出力する
付記１または２に記載の秘密計算システム。

［付記４］
前記出力手段は、分析結果から導かれる判断が同じ前記モデルの数に基づいて分析結果を集約して分析結果を出力する
付記３に記載の秘密計算システム。

［付記５］
前記出力手段は、前記複数のモデルによる多数決に基づいて分析結果を出力する
付記４に記載の秘密計算システム。

［付記６］
前記出力手段は、さらに、出力する分析結果を分析した前記モデルの数又は割合を出力する
付記１乃至５のいずれか１つに記載の秘密計算システム。

［付記７］
前記秘密計算手段は、秘密計算を、秘密分散により秘匿化された前記モデルと、秘密分散により秘匿化された前記金融取引情報とを用いて分析することで実行する
付記１乃至６のいずれか１つに記載の秘密計算システム。

［付記８］
前記各モデルは、前記顧客が金融商品を購入する可能性を分析するモデルである
付記１乃至７のいずれか１つに記載の秘密計算システム。

［付記９］
前記各モデルは、前記顧客が購入する可能性のある金融商品を予測するモデルである
付記１乃至７のいずれか１つに記載の秘密計算システム。

［付記１０］
前記各モデルは、金融商品を購入すると予測される顧客を予測するモデルである
付記１乃至７のいずれか１つに記載の秘密計算システム。

［付記１１］
前記各モデルは、Ｍ＆Ａの希望相手先の買収の可否又は買収予想額を分析するモデルである、
付記１乃至７のいずれか１つに記載の秘密計算システム。

［付記１２］
前記各モデルは、前記顧客の与信情報を出力するモデルである
付記１乃至７のいずれか１つに記載の秘密計算システム。

［付記１３］
複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行し、
分析された各モデルの分析結果を出力する、方法。

［付記１４］
複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行し、
計算された各モデルの分析結果を出力する、ことをコンピュータに実行させるプログラムを非一時に記録する記録媒体。

［付記１５］
複数の第１のシステムと、入出力装置と、第２のシステムとを有する情報処理システムであって、
前記複数の第１のシステムは、それぞれ、
各々の金融機関が保有する顧客の金融取引情報に基づいて生成された、顧客の金融取引に関する分析を行うモデルを記憶するモデル記憶部と、
前記モデルを秘匿化した形式で第２のシステムへ送信するモデル出力手段と、を備え、
前記入出力装置は、
分析対象の顧客の金融取引情報を秘匿化した形式で第２のシステムへ送信し、
前記第２のシステムは、
前記複数の第１のシステムから取得した複数の前記モデルのそれぞれと、前記入出力装置から取得した前記分析対象の顧客の金融取引情報とに基づいて、それぞれの前記モデルによる該分析対象の顧客の金融取引に関する分析を秘密計算により実行する秘密計算手段と、
前記秘密計算手段によって分析された各モデルの分析結果を前記入出力装置へ出力する出力手段と、を備える
情報処理システム。

１００ 秘密計算システム
１０１ 秘密計算部
１０２ 出力部
２００、２１０ 金融機関システム
２０１ モデル記憶部
２０２ モデル秘匿化部
２０３ モデル出力部
２０４ モデル生成部
２０５ 顧客情報記憶部
２０６ 入出力部
３００ 入出力装置
５００ コンピュータ

Claims (15)

1. 複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とをそれぞれ秘匿化して取得し、それぞれの前記モデルに該分析対象の顧客の金融取引を入力して実行する秘密計算により前記複数のモデルそれぞれによる複数の分析結果を得る秘密計算手段と、
   前記秘密計算手段によって分析された前記複数のモデルによる分析結果を出力する出力手段と
   を備える、秘密計算システム。
2. 前記出力手段は、いずれのモデルが分析した結果であるか特定不可能な形式で各モデルの分析結果を出力する
   請求項１に記載の秘密計算システム。
3. 前記出力手段は、前記分析対象の顧客の金融取引情報を取得した金融機関に関して生成されたモデルの分析結果と前記複数のモデルによって分析された各々の分析結果を集約した結果とを対比可能に出力する
   請求項１または２に記載の秘密計算システム。
4. 前記出力手段は、分析結果から導かれる判断が同じ前記モデルの数に基づいて分析結果を集約して分析結果を出力する
   請求項３に記載の秘密計算システム。
5. 前記出力手段は、前記複数のモデルによる多数決に基づいて分析結果を出力する
   請求項４に記載の秘密計算システム。
6. 前記出力手段は、さらに、出力する分析結果を分析した前記モデルの数又は割合を出力する
   請求項１乃至５のいずれか１項に記載の秘密計算システム。
7. 前記秘密計算手段は、秘密計算を、秘密分散により秘匿化された前記モデルと、秘密分散により秘匿化された前記金融取引情報とを用いて分析することで実行する
   請求項１乃至６のいずれか１項に記載の秘密計算システム。
8. 前記各モデルは、前記顧客が金融商品を購入する可能性を分析するモデルである
   請求項１乃至７のいずれか１項に記載の秘密計算システム。
9. 前記各モデルは、前記顧客が購入する可能性のある金融商品を予測するモデルである
   請求項１乃至７のいずれか１項に記載の秘密計算システム。
10. 前記各モデルは、金融商品を購入すると予測される顧客を予測するモデルである
    請求項１乃至７のいずれか１項に記載の秘密計算システム。
11. 前記各モデルは、Ｍ＆Ａの希望相手先の買収の可否又は買収予想額を分析するモデルである、
    請求項１乃至７のいずれか１項に記載の秘密計算システム。
12. 前記各モデルは、前記顧客の与信情報を出力するモデルである
    請求項１乃至７のいずれか１項に記載の秘密計算システム。
13. コンピュータが、
    複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とをそれぞれ秘匿化して取得し、それぞれの前記モデルに該分析対象の顧客の金融取引を入力して実行する秘密計算により前記複数のモデルそれぞれによる複数の分析結果を得、
    分析された各モデルの分析結果を出力する、方法。
14. 複数の金融機関の各々が保有する顧客の金融取引情報に基づいて各々の金融機関に関して生成された複数のモデルと、分析対象の顧客の金融取引情報とをそれぞれ秘匿化して取得し、それぞれの前記モデルに該分析対象の顧客の金融取引を入力して実行する秘密計算により前記複数のモデルそれぞれによる複数の分析結果を得、
    計算された各モデルの分析結果を出力する、ことをコンピュータに実行させるプログラム。
15. 複数の第１のシステムと、入出力装置と、第２のシステムとを有する情報処理システムであって、
    前記複数の第１のシステムは、それぞれ、
    各々の金融機関が保有する顧客の金融取引情報に基づいて生成された、顧客の金融取引に関する分析を行うモデルを記憶するモデル記憶部と、
    前記モデルを秘匿化した形式で第２のシステムへ送信するモデル出力手段と、を備え、
    前記入出力装置は、
    分析対象の顧客の金融取引情報を秘匿化した形式で第２のシステムへ送信し、
    前記第２のシステムは、
    前記複数の第１のシステムから取得した複数の前記モデルと、前記入出力装置から取得した前記分析対象の顧客の金融取引情報とをそれぞれ秘匿化して取得し、それぞれの前記モデルに該分析対象の顧客の金融取引を入力して実行する秘密計算により前記複数のモデルそれぞれによる複数の分析結果を得る秘密計算手段と、
    前記秘密計算手段によって分析された各モデルの分析結果を前記入出力装置へ出力する出力手段と、を備える
    情報処理システム。

Images