特許ウォッチ

公開番号2025056640
公報種別公開特許公報(A)
公開日2025-04-08
出願番号2023166236
出願日2023-09-27
発明の名称異常を検知するシステムおよび方法
出願人株式会社日立製作所
代理人弁理士法人サンネクスト国際特許事務所
主分類G06N 3/098 20230101AFI20250401BHJP(計算;計数)
要約【課題】連合学習を用いた異常検知システムにおいて、データの秘匿性の十分な確保と、高い異常検知精度の実現とを両立することが可能な技術を提供する。
【解決手段】異常検知システムは、連合学習により構築した機械学習モデルを用いて機器の異常を検知するシステムであって、少なくともプロセッサと記憶装置とを備える複数のコンピュータが、入力データを基に初期学習モデルを構築する初期モデル学習部と、各コンピュータを一意に識別する装置IDを生成する装置ID生成部と、モデルに入力する潜在変数を生成する潜在変数生成部と、複数のコンピュータの各々について擬似データを生成する擬似データ生成部と、擬似データを基に条件付き生成モデルである共有モデルを構築する共有モデル学習部とを備え、複数のコンピュータは、入力データから機器の異常度を算出することで当該機器の異常を検知する複数の異常検知装置を含む。
【選択図】図2

特許請求の範囲【請求項１】
連合学習により構築した機械学習モデルを用いて機器の異常を検知する異常検知システムであって、
少なくともプロセッサと記憶装置とを備える複数のコンピュータが、
入力データを基に初期学習モデルを構築する初期モデル学習部と、
各コンピュータを一意に識別する装置ＩＤを生成する装置ＩＤ生成部と、
モデルに入力する潜在変数を生成する潜在変数生成部と、
前記複数のコンピュータの各々について擬似データを生成する擬似データ生成部と、
前記擬似データを基に条件付き生成モデルである共有モデルを構築する共有モデル学習部と
を備え、
前記複数のコンピュータは、前記入力データから機器の異常度を算出することで当該機器の異常を検知する複数の異常検知装置を含む、
異常検知システム。
続きを表示（約 960 文字）【請求項２】
前記複数のコンピュータは、前記複数の異常検知装置の各々から取得した初期学習モデルを基に前記共有モデルを構築する中央処理装置をさらに備え、
前記複数の異常検知装置の各々は、前記初期モデル学習部と、前記装置ＩＤ生成部と、前記異常度算出部とをそれぞれ有し、
前記中央処理装置は、前記擬似データ生成部と、前記共有モデル学習部とを有する、
請求項１に記載の異常検知システム。
【請求項３】
前記共有モデルは、前記擬似データおよび前記装置ＩＤを条件とした条件付け学習により構築される、請求項１に記載の異常検知システム。
【請求項４】
前記中央処理装置は、前記複数の異常検知装置をグルーピングするグルーピング部をさらに備え、
前記共有モデルは、前記グルーピング部が生成したグループＩＤを条件とした条件付け学習により構築される、請求項２に記載の異常検知システム。
【請求項５】
前記複数のコンピュータのうち少なくともいずれか一つのコンピュータは、前記装置ＩＤおよび／または前記擬似データについて入力操作または選択操作が可能なＧＵＩを表示装置に出力する出力部をさらに備える、請求項１に記載の異常検知システム。
【請求項６】
前記複数のコンピュータのうち少なくともいずれか一つのコンピュータが、前記擬似データを格納する擬似データ用データベースを備える、請求項１に記載の異常検知システム。
【請求項７】
連合学習により構築した機械学習モデルを用いて機器の異常を検知する異常検知方法であって、
少なくともプロセッサと記憶装置とを備える複数のコンピュータが、
入力データを基に初期学習モデルを構築し、
各コンピュータを一意に識別する装置ＩＤを生成し、
モデルに入力する潜在変数を生成し、
前記複数のコンピュータの各々について擬似データを生成し、
前記擬似データを基に条件付き生成モデルである共有モデルを構築し、
前記複数のコンピュータは、前記入力データから機器の異常度を算出することで当該機器の異常を検知する複数の異常検知装置を含む、
異常検知方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、連合学習を用いた異常検知システムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
事業環境のデジタル化が進む昨今、企業や官公庁等の各種事業者にとって、保有する機器や装置、設備等（以下、「機器」と総称する）に生じた異常を迅速かつ精確に検知することは、事業を安定的に実施するうえで欠かせない。そうした機器の異常検知に有用な技術の一つに、機械学習モデルを使用して、機器に生じたさまざまな異常を検知するコンピュータシステム（以下、「異常検知システム」とも称する）がある。そして、現在では、各種事業者を顧客とし、当該事業者が保有する機器の異常を異常検知システムによって検知するサービス（以下、「異常検知サービス」とも称する）も普及しつつある。
【０００３】
一般に、異常検知サービスを手掛けるサービスプロバイダ（以下、単に「プロバイダ」とも称する）は、顧客である複数の事業者に対して同一の異常検知システムを用いた異常検知サービスを提供する場合、各事業者が保有するデータが、別の事業者の目にさらされることのないよう、当該異常検知サービスにおいて扱うデータの秘匿性を十分に確保する必要がある。異常検知サービスを提供する際にプロバイダが直面する、こうした課題を効果的に解決可能な技術の一つとして、連合学習が知られている（例えば特許文献１）。
【先行技術文献】
【特許文献】
【０００４】
特開２０２２－１７１６０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
異常検知サービスのプロバイダは、複数の事業者に対して同一の異常検知システムを用いた異常検知サービスを提供する場合、上述したように、各事業者が保有するデータの秘匿性を十分に確保する必要がある。また、異常検知サービスのプロバイダにとって、使用する異常検知システムが高い異常検知精度を有することは、顧客である各事業者に対して良質な異常検知サービスを提供するうえで不可欠である。
【０００６】
この点、連合学習を用いた異常検知システムは、通常、連合学習を実施するための中央処理装置と、当該中央処理装置と相互にデータ通信可能に接続された複数の異常検知装置とを含んで構成されることが多い。こうした一般的な構成の異常検知システムでは、異常検知装置毎に扱うデータの分布が異なる場合、各異常検知装置から得られたデータを基に構築された機械学習モデルの重みが異なるために、各機械学習モデルの重み同士を統合することが難しく、高い異常検知精度を実現することが難しい。この問題は、特許文献１に記載の技術にも同様に存在する。したがって、連合学習を用いた異常検知システムに特許文献１に記載の技術を適用しても、高い異常検知精度を実現することはできない。
【０００７】
このように、連合学習を用いた異常検知システムにおいて、データの秘匿性を十分に確保することと、高い異常検知精度を実現することとの両立は、既存の技術によっては難しく、新規な技術の開発が待たれていた。
【０００８】
本発明は、上記の課題に鑑みてなされたものであり、連合学習を用いた異常検知システムにおいて、データの秘匿性の十分な確保と、高い異常検知精度の実現とを両立することが可能な技術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】
【０００９】
本発明による異常検知システムは、連合学習により構築した機械学習モデルを用いて機器の異常を検知するシステムであって、少なくともプロセッサと記憶装置とを備える複数のコンピュータが、入力データを基に初期学習モデルを構築する初期モデル学習部と、各コンピュータを一意に識別する装置ＩＤを生成する装置ＩＤ生成部と、モデルに入力する潜在変数を生成する潜在変数生成部と、複数のコンピュータの各々について擬似データを生成する擬似データ生成部と、擬似データを基に条件付き生成モデルである共有モデルを構築する共有モデル学習部とを備え、複数のコンピュータは、入力データから機器の異常度を算出することで当該機器の異常を検知する複数の異常検知装置を含む。
【００１０】
その他、本願が開示する課題、およびその解決方法は、発明を実施するための形態の欄、および図面により明らかにされる。
【発明の効果】
（【００１１】以降は省略されています）

関連特許