特許ウォッチ

公開番号2024152525
公報種別公開特許公報(A)
公開日2024-10-25
出願番号2023066767
出願日2023-04-14
発明の名称推定プログラム、推定方法および情報処理装置
出願人富士通株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06Q 10/04 20230101AFI20241018BHJP(計算;計数)
要約【課題】特殊詐欺の犯罪被害を効率的に防止することを課題とする。
【解決手段】情報処理装置は、電子機器を利用する人物の特徴量を取得し、取得した特徴量を分析することで、電子機器を利用する人物の生理データを取得し、取得した生理データを第一の機械学習モデルに入力することで、人物の感情のパターン推定し、推定した感情のパターンと、生理データとを第二の機械学習モデルに入力することで、電子機器を利用する人物に対する犯罪行為の発生のリスクを推定する。
【選択図】図1
特許請求の範囲【請求項１】
電子機器を利用する人物の特徴量を取得し、
取得した前記特徴量を分析することで、前記電子機器を利用する人物の生理データを取得し、
取得した前記生理データを第一の機械学習モデルに入力することで、前記人物の感情のパターン推定し、
推定した前記感情のパターンと、前記生理データとを第二の機械学習モデルに入力することで、前記電子機器を利用する人物に対する犯罪行為の発生のリスクを推定する、
処理をコンピュータに実行させることを特徴とする推定プログラム。
続きを表示（約 1,600 文字）【請求項２】
前記第二の機械学習モデルは、
人物の感情の変化のパターンと、脈拍、呼吸、発汗の少なくとも１つを含む前記生理データとを説明変数とするとともに、前記犯罪行為を目的変数とする正解データを用いて機械学習されたモデルであり、
前記リスクを推定する処理は、
前記第二の機械学習モデルに対して、推定された前記感情の変化のパターンと、前記生理データ、基本データ、心理的特徴のうち少なくともいずれか１つとを入力することで、複数の前記犯罪行為のそれぞれの前記犯罪行為の発生リスクの大きさを取得し、
取得した前記発生リスクの大きさに基づいて、複数の前記犯罪行為の中から前記電子機器を利用する前記人物に対する犯罪行為を特定する、
ことを特徴とする請求項１に記載の推定プログラム。
【請求項３】
前記第二の機械学習モデルは、
説明変数として、前記人物の感情の変化のパターンと前記生理データに加えて、前記人物の年齢および性別を少なくとも含む基本データと前記人物の性格に関する心理的特徴とを用いて機械学習されたモデルであり、
前記リスクを推定する処理は、
推定した前記感情の変化のパターンと、取得した前記生理データ、前記人物の年齢および性別を少なくとも含む基本データ、前記人物の性格に関する心理的特徴のうち少なくともいずれか１つとを第二の機械学習モデルに入力することで、前記電子機器を利用する人物に対する犯罪行為の発生のリスクを推定する、
ことを特徴とする請求項１に記載の推定プログラム。
【請求項４】
前記第二の機械学習モデルは、非線形モデルのアルゴリズムを用いて機械学習されたモデルである、
ことを特徴とする請求項１または２に記載の推定プログラム。
【請求項５】
人物に装着されたセンサから、前記人物の皮膚電気、心電、脈拍、呼吸、発汗の少なくともいずれか１つを前記生理データとして取得し、
前記生理データから、前記人物の特徴データを生成し、
前記人物の特徴データを説明変数、前記人物の感情情報を目的変数とする正解データを用いて、前記正解データを前記第一の機械学習モデルに入力した場合の出力結果と、前記人物の感情情報との誤差が最小となるように、前記第一の機械学習モデルの機械学習を実行する、
処理をコンピュータにさらに実行させることを特徴とする請求項１に記載の推定プログラム。
【請求項６】
前記感情のパターンを推定する処理は、
前記人物の特徴データを用いて機械学習された前記第一の機械学習モデルに前記生理データを入力して、前記人物の感情のパターンを推定する、
ことを特徴とする請求項５に記載の推定プログラム。
【請求項７】
電子機器を利用する人物の特徴量を取得し、
取得した前記特徴量を分析することで、前記電子機器を利用する人物の生理データを取得し、
取得した前記生理データを第一の機械学習モデルに入力することで、前記人物の感情のパターン推定し、
推定した前記感情のパターンと、前記生理データとを第二の機械学習モデルに入力することで、前記電子機器を利用する人物に対する犯罪行為の発生のリスクを推定する、
処理をコンピュータが実行することを特徴とする推定方法。
【請求項８】
電子機器を利用する人物の特徴量を取得し、
取得した前記特徴量を分析することで、前記電子機器を利用する人物の生理データを取得し、
取得した前記生理データを第一の機械学習モデルに入力することで、前記人物の感情のパターン推定し、
推定した前記感情のパターンと、前記生理データとを第二の機械学習モデルに入力することで、前記電子機器を利用する人物に対する犯罪行為の発生のリスクを推定する、
制御部を有することを特徴とする情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、推定プログラム、推定方法および情報処理装置に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
従来から、特に高齢者を対象としてオレオレ詐欺、還付金詐欺などの特殊詐欺が発生していることから、行政や警察などでも講習会を行うなど、注意喚起や取り締まりの強化が行われている。近年では、過去に発生した特殊詐欺の電話のやり取りをテキスト化し、電話中の会話とキーワードとを用いて、特殊詐欺の発生を検出する技術が知られている。
【先行技術文献】
【非特許文献】
【０００３】
ＮＴＴ西日本、［online］、令和５年４月１日検索、「ＮＴＴ西日本の特殊詐欺対策について」、“URL：https://www.ntt-west.co.jp/info/support/special-fraud-support_service.html”
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記技術では、過去に発生した特殊詐欺しか検出することができず、新たに特殊詐欺には対応することができないので、十分に特殊詐欺の被害を防止できるとは言い難い。
【０００５】
一つの側面では、特殊詐欺の犯罪被害を効率的に防止することができる推定プログラム、推定方法および情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
第１の案では、推定プログラムは、電子機器を利用する人物の特徴量を取得し、取得した前記特徴量を分析することで、前記電子機器を利用する人物の生理データを取得し、取得した前記生理データを第一の機械学習モデルに入力することで、前記人物の感情のパターン推定し、推定した前記感情のパターンと、前記生理データとを第二の機械学習モデルに入力することで、前記電子機器を利用する人物に対する犯罪行為の発生のリスクを推定する、処理をコンピュータに実行させることを特徴とする。
【発明の効果】
【０００７】
一実施形態によれば、特殊詐欺の犯罪被害を効率的に防止することができる。
【図面の簡単な説明】
【０００８】
図１は、実施例１にかかるシステム構成を説明する図である。
図２は、犯罪検知モデルを説明する図である。
図３は、参考技術の課題を説明する図である。
図４は、実施例１にかかる犯罪検知モデルを説明する図である。
図５は、実施例１にかかる情報処理装置の機能構成を示す機能ブロック図である。
図６は、第１訓練データＤＢを説明する図である。
図７は、第２訓練データＤＢを説明する図である。
図８は、被害者の感情の例を示す図である。
図９は、犯罪発生時の感情の例を示す図である。
図１０は、還付金詐欺と感情パターンの関係を示す図である。
図１１は、オレオレ詐欺と感情パターンの関係を示す図である。
図１２は、感情推定モデルの機械学習を説明する図である。
図１３は、犯罪リスク推定モデルの機械学習を説明する図である。
図１４は、犯罪リスクの推定を説明する図である。
図１５は、感情パターンの特定例を説明する図である。
図１６は、感情推定モデルの機械学習の別例を説明する図である。
図１７は、キーワード抽出による例外判定例を説明する図である。
図１８は、各モデルの機械学習処理の流れを示すフローチャートである。
図１９は、犯罪リスクの推定処理の流れを示すフローチャートである。
図２０は、実施例２にかかる犯罪検知モデルを説明する図である。
図２１は、実施例２にかかる根拠判定モデルによる特定を説明する図である。
図２２は、実施例２にかかる情報処理装置の機能構成を示す機能ブロック図である。
図２３は、根拠判定情報ＤＢを説明する図である。
図２４は、根拠判定モデルの機械学習を説明する図である。
図２５は、犯罪リスクの推定処理およびリスクの根拠判定処理の流れを示すフローチャートである。
図２６は、実施例３にかかる犯罪検知モデルを説明する図である。
図２７は、実施例３にかかるアラート通知を説明する図である。
図２８は、重要パターンの選定を説明する図である。
図２９は、実施例３にかかる情報処理装置の機能構成を示す機能ブロック図である。
図３０は、アラート通知画面の一例を示す図である。
図３１は、アラート通知画面の一例を示す図である。
図３２は、アラート通知画面の一例を示す図である。
図３３は、アラート通知画面の報知の流れを示すフローチャートである。
図３４は、犯罪検知モデルの別例を説明する図である。
図３５は、ハードウェア構成例を説明する図である。
【発明を実施するための形態】
【０００９】
以下に、本願の開示する推定プログラム、推定方法および情報処理装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、各実施例は、矛盾のない範囲内で適宜組み合わせることができる。
【実施例】
【００１０】
図１は、実施例１にかかるシステム構成を説明する図である。図１に示すように、このシステムは、特殊詐欺防止ソリューション１、特殊詐欺グループ２、利用者宅３、自治体４を含む、官民が連携したシステムである。このシステムは、犯罪心理などを用いて訓練された犯罪検知モデルを用いて特殊詐欺をリアルタイムに検出して特殊詐欺の発生を未然に防止し、進化する特殊詐欺の特徴量を訓練して自治体等に効果的な指導を行う特殊詐欺防止システムの一例である。
（【００１１】以降は省略されています）

関連特許