JP7033262B6 - 情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7033262B6 JP7033262B6 JP2020508118A JP2020508118A JP7033262B6 JP 7033262 B6 JP7033262 B6 JP 7033262B6 JP 2020508118 A JP2020508118 A JP 2020508118A JP 2020508118 A JP2020508118 A JP 2020508118A JP 7033262 B6 JP7033262 B6 JP 7033262B6
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- cluster
- clustering
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Debugging And Monitoring (AREA)
- Testing And Monitoring For Control Systems (AREA)
Description
本発明の第1の実施形態に係る情報処理装置1及び情報処理方法について図1乃至図10を用いて説明する。
本発明の第2の実施形態に係る情報処理装置20について図11乃至図14を用いて説明する。なお、以下の説明において、第1の実施形態と同様の構成については、説明を省略又は簡略化する。
本発明の第3の実施形態に係る情報処理装置30について図15を用いて説明する。図15は、本実施形態に係る情報処理装置30の機能構成を示すブロック図である。情報処理装置30は、データ取得部31及び判定部32を備える。データ取得部31は、対象システムにおける異常検知用のモデルの学習に使用された学習データ及びモデルの検査に使用する検査データを対象システムから取得する。判定部32は、学習データのデータ分布と検査データのデータ分布との乖離度に基づいてモデルの再学習の要否を判定する。本実施形態に係る情報処理装置30によれば、データ傾向の変化を迅速に検知でき、適切なタイミングでモデルの再学習を実行できる。
以上、実施形態を参照して本発明を説明したが、本発明は上述の実施形態に限定されるものではない。本願発明の構成及び詳細には本発明の要旨を逸脱しない範囲で、当業者が理解し得る様々な態様に変形できる。
対象システムにおける異常検知用のモデルの学習に使用された学習データ及び前記モデルの検査に使用する検査データを前記対象システムから取得するデータ取得部と、
前記学習データのデータ分布と前記検査データの前記データ分布との乖離度に基づいて前記モデルの再学習の要否を判定する判定部と、
を備えることを特徴とする情報処理装置。
前記学習データ及び前記検査データは、それぞれ異なる期間に生成されていることを特徴とする付記1に記載の情報処理装置。
前記検査データは、前記学習データよりも後の前記期間に生成されていることを特徴とする付記2に記載の情報処理装置。
前記学習データをクラスタリングするクラスタリング部と、
前記モデルに基づいて前記検査データが属するクラスタを判別するクラスタ判別部と、
を更に備え、
前記判定部は、前記クラスタリングの結果と前記判別の結果とを比較することで、前記再学習の要否を判定することを特徴とする付記1乃至3のいずれかに記載の情報処理装置。
前記判定部は、
前記クラスタリングの結果に基づいて、前記学習データが属する前記クラスタと前記クラスタごとのデータ数との関係を示す期待度数分布を算出する第1の算出部と、
前記判別の結果に基づいて、前記検査データが属する前記クラスタと前記クラスタごとの前記データ数との関係を示す観測度数分布を算出する第2の算出部と、
前記期待度数分布に対する前記観測度数分布の誤差が所定の有意水準値を超えるか否かを検定する検定部と、
を有することを特徴とする付記4に記載の情報処理装置。
前記学習データをクラスタリングする第1のクラスタリング部と、
前記検査データを前記クラスタリングする第2のクラスタリング部と、
を更に備え、
前記判定部は、前記学習データと前記検査データの間における前記クラスタリングの結果を比較することで、前記再学習の要否を判定することを特徴とする付記1乃至3のいずれかに記載の情報処理装置。
前記判定部は、前記学習データと前記検査データの間において、前記クラスタリングによって生成されたクラスタの数を比較することで、前記再学習の要否を判定することを特徴とする付記6に記載の情報処理装置。
前記判定部は、前記クラスタリングによって生成されたクラスタのうち、前記学習データと前記検査データの間において対応関係にある前記クラスタの重心座標を比較することで、前記再学習の要否を判定することを特徴とする付記6に記載の情報処理装置。
対象システムにおける異常検知用のモデルの学習に使用された学習データ及び前記モデルの検査に使用する検査データを前記対象システムから取得するステップと、
前記学習データのデータ分布と前記検査データの前記データ分布との乖離度に基づいて前記モデルの再学習の要否を判定するステップと、
を備えることを特徴とする情報処理方法。
コンピュータに、
対象システムにおける異常検知用のモデルの学習に使用された学習データ及び前記モデルの検査に使用する検査データを前記対象システムから取得するステップと、
前記学習データのデータ分布と前記検査データの前記データ分布との乖離度に基づいて前記モデルの再学習の要否を判定するステップと、
を実行させることを特徴とするプログラムが記録された記録媒体。
Claims (8)
- 対象システムにおける異常検知用のモデルの学習に使用された学習データ及び前記モデルの検査に使用する検査データを前記対象システムから取得するデータ取得部と、
前記学習データのデータ分布と前記検査データの前記データ分布との乖離度に基づいて前記モデルの再学習の要否を判定する判定部と、
前記学習データをクラスタリングするクラスタリング部と、
前記モデルに基づいて前記検査データが属するクラスタを判別するクラスタ判別部と、
を備え、
前記判定部は、前記クラスタリングの結果と前記判別の結果とを比較することで、前記再学習の要否を判定し、
前記判定部は、
前記クラスタリングの結果に基づいて、前記学習データが属する前記クラスタと前記クラスタごとのデータ数との関係を示す期待度数分布を算出する第1の算出部と、
前記判別の結果に基づいて、前記検査データが属する前記クラスタと前記クラスタごとの前記データ数との関係を示す観測度数分布を算出する第2の算出部と、
前記期待度数分布に対する前記観測度数分布の誤差が所定の有意水準値を超えるか否かを検定する検定部と、
を有することを特徴とする情報処理装置。 - 前記学習データ及び前記検査データは、それぞれ異なる期間に生成されていることを特徴とする請求項1に記載の情報処理装置。
- 前記検査データは、前記学習データよりも後の前記期間に生成されていることを特徴とする請求項2に記載の情報処理装置。
- 前記学習データをクラスタリングする第1のクラスタリング部と、
前記検査データを前記クラスタリングする第2のクラスタリング部と、
を更に備え、
前記判定部は、前記学習データと前記検査データの間における前記クラスタリングの結果を比較することで、前記再学習の要否を判定することを特徴とする請求項1乃至3のいずれか一項に記載の情報処理装置。 - 前記判定部は、前記学習データと前記検査データの間において、前記クラスタリングによって生成されたクラスタの数を比較することで、前記再学習の要否を判定することを特徴とする請求項4に記載の情報処理装置。
- 前記判定部は、前記クラスタリングによって生成されたクラスタのうち、前記学習データと前記検査データの間において対応関係にある前記クラスタの重心座標を比較することで、前記再学習の要否を判定することを特徴とする請求項4に記載の情報処理装置。
- コンピュータが、対象システムにおける異常検知用のモデルの学習に使用された学習データ及び前記モデルの検査に使用する検査データを前記対象システムから取得するステップと、
前記コンピュータが、前記学習データのデータ分布と前記検査データの前記データ分布との乖離度に基づいて前記モデルの再学習の要否を判定するステップと、
前記コンピュータが、前記学習データをクラスタリングするステップと、
前記コンピュータが、前記モデルに基づいて前記検査データが属するクラスタを判別するステップと、
を備え、
前記判定するステップでは、前記コンピュータが、前記クラスタリングの結果と前記判別の結果とを比較することで、前記再学習の要否を判定し、
前記判定するステップは、
前記コンピュータが、前記クラスタリングの結果に基づいて、前記学習データが属する前記クラスタと前記クラスタごとのデータ数との関係を示す期待度数分布を算出するステップと、
前記コンピュータが、前記判別の結果に基づいて、前記検査データが属する前記クラスタと前記クラスタごとの前記データ数との関係を示す観測度数分布を算出するステップと、
前記コンピュータが、前記期待度数分布に対する前記観測度数分布の誤差が所定の有意水準値を超えるか否かを検定するステップと、
を有することを特徴とする情報処理方法。 - コンピュータに、
対象システムにおける異常検知用のモデルの学習に使用された学習データ及び前記モデルの検査に使用する検査データを前記対象システムから取得するステップと、
前記学習データのデータ分布と前記検査データの前記データ分布との乖離度に基づいて前記モデルの再学習の要否を判定するステップと、
前記学習データをクラスタリングするステップと、
前記モデルに基づいて前記検査データが属するクラスタを判別するステップと、
を実行させ、
前記判定するステップでは、前記クラスタリングの結果と前記判別の結果とを比較することで、前記再学習の要否を判定し、
前記判定するステップは、
前記クラスタリングの結果に基づいて、前記学習データが属する前記クラスタと前記クラスタごとのデータ数との関係を示す期待度数分布を算出するステップと、
前記判別の結果に基づいて、前記検査データが属する前記クラスタと前記クラスタごとの前記データ数との関係を示す観測度数分布を算出するステップと、
前記期待度数分布に対する前記観測度数分布の誤差が所定の有意水準値を超えるか否かを検定するステップと、
を有することを特徴とするプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/010801 WO2019180778A1 (ja) | 2018-03-19 | 2018-03-19 | 情報処理装置、情報処理方法及び記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2019180778A1 JPWO2019180778A1 (ja) | 2021-02-04 |
JP7033262B2 JP7033262B2 (ja) | 2022-03-10 |
JP7033262B6 true JP7033262B6 (ja) | 2022-04-18 |
Family
ID=67986045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020508118A Active JP7033262B6 (ja) | 2018-03-19 | 2018-03-19 | 情報処理装置、情報処理方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210117858A1 (ja) |
JP (1) | JP7033262B6 (ja) |
WO (1) | WO2019180778A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190377984A1 (en) * | 2018-06-06 | 2019-12-12 | DataRobot, Inc. | Detecting suitability of machine learning models for datasets |
US11574236B2 (en) * | 2018-12-10 | 2023-02-07 | Rapid7, Inc. | Automating cluster interpretation in security environments |
JP7187397B2 (ja) * | 2019-07-18 | 2022-12-12 | オークマ株式会社 | 工作機械における診断モデルの再学習要否判定方法及び再学習要否判定装置、再学習要否判定プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5369246B1 (ja) | 2013-07-10 | 2013-12-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
WO2014207789A1 (ja) | 2013-06-24 | 2014-12-31 | 株式会社 日立製作所 | 状態監視装置 |
JP2015162032A (ja) | 2014-02-27 | 2015-09-07 | 株式会社日立製作所 | 移動体の診断装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000218263A (ja) * | 1999-02-01 | 2000-08-08 | Meidensha Corp | 水質制御方法及びその装置 |
JP5530019B1 (ja) * | 2013-11-01 | 2014-06-25 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
US10410135B2 (en) * | 2015-05-21 | 2019-09-10 | Software Ag Usa, Inc. | Systems and/or methods for dynamic anomaly detection in machine sensor data |
JP6555061B2 (ja) * | 2015-10-01 | 2019-08-07 | 富士通株式会社 | クラスタリングプログラム、クラスタリング方法、および情報処理装置 |
-
2018
- 2018-03-19 JP JP2020508118A patent/JP7033262B6/ja active Active
- 2018-03-19 US US16/981,530 patent/US20210117858A1/en not_active Abandoned
- 2018-03-19 WO PCT/JP2018/010801 patent/WO2019180778A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014207789A1 (ja) | 2013-06-24 | 2014-12-31 | 株式会社 日立製作所 | 状態監視装置 |
JP5369246B1 (ja) | 2013-07-10 | 2013-12-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
JP2015162032A (ja) | 2014-02-27 | 2015-09-07 | 株式会社日立製作所 | 移動体の診断装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019180778A1 (ja) | 2021-02-04 |
WO2019180778A1 (ja) | 2019-09-26 |
JP7033262B2 (ja) | 2022-03-10 |
US20210117858A1 (en) | 2021-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9811438B1 (en) | Techniques for processing queries relating to task-completion times or cross-data-structure interactions | |
US8869277B2 (en) | Realtime multiple engine selection and combining | |
KR101834260B1 (ko) | 이상 거래 탐지 방법 및 장치 | |
US9558347B2 (en) | Detecting anomalous user behavior using generative models of user actions | |
US20190028371A1 (en) | Identifying multiple devices belonging to a single user | |
JP7033262B6 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6697123B2 (ja) | プロファイル生成装置、攻撃検知装置、プロファイル生成方法、および、プロファイル生成プログラム | |
US11516240B2 (en) | Detection of anomalies associated with fraudulent access to a service platform | |
EP3648433B1 (en) | System and method of training behavior labeling model | |
CN110679114B (zh) | 一种估计数据对象可删除性的方法 | |
WO2022199185A1 (zh) | 用户操作检测方法及程序产品 | |
CN114556302A (zh) | 异常检测的动态配置 | |
US11550707B2 (en) | Systems and methods for generating and executing a test case plan for a software product | |
JPWO2019073557A1 (ja) | サンプルデータ生成装置、サンプルデータ生成方法およびサンプルデータ生成プログラム | |
JP2007243459A (ja) | トラヒック状態抽出装置及び方法ならびにコンピュータプログラム | |
CN114584377A (zh) | 流量异常检测方法、模型的训练方法、装置、设备及介质 | |
CN117391214A (zh) | 模型训练方法、装置及相关设备 | |
CN113656354A (zh) | 日志分类方法、***、计算机设备和可读存储介质 | |
Branco et al. | Resampling with neighbourhood bias on imbalanced domains | |
CN115766293B (zh) | 一种风险文件检测方法、装置、电子设备及存储介质 | |
US20150113645A1 (en) | System and method for operating point and box enumeration for interval bayesian detection | |
CN111177802B (zh) | 行为标记模型训练***及方法 | |
US11775642B1 (en) | Malware detection using federated learning | |
JP6508202B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
US10904185B1 (en) | Email address validation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200820 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210914 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220209 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7033262 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |