特許ウォッチ

公開番号2025158429
公報種別公開特許公報(A)
公開日2025-10-17
出願番号2024060951
出願日2024-04-04
発明の名称情報処理装置および情報処理システム
出願人トヨタ自動車株式会社
代理人弁理士法人秀和特許事務所
主分類G06F 9/50 20060101AFI20251009BHJP(計算;計数)
要約【課題】連合学習に参加する情報処理装置をより好適に選択可能な技術を提供する。
【解決手段】第1の情報処理装置と複数の第2の情報処理装置を含む情報処理システムであって、前記複数の第2の情報処理装置が、連合学習への貢献度を含む連合学習プロファイルを送信し、前記第1の情報処理装置が、前記複数の第2の情報処理装置の前記連合学習プロファイルを受信し、前記第1の情報処理装置が、前記連合学習プロファイルに基づいて、連合学習に参加する情報処理装置を決定する、ことを特徴とする情報処理システム。
【選択図】図4
特許請求の範囲【請求項１】
プロセッサを有し、前記プロセッサは、
他の情報処理装置に関する連合学習プロファイルであって、少なくとも連合学習への貢献度を含む連合学習プロファイルを取得するステップと、
前記連合学習プロファイルに基づいて、連合学習に参加する情報処理装置を決定するステップと、
を実行する、ことを特徴とする情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
前記連合学習プロファイルを取得するステップでは、レポジトリから前記連合学習プロファイルを取得する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記貢献度は、学習種別ごとに設定され、
前記連合学習プロファイルを取得するステップでは、実行する学習種別に対応する連合学習プロファイルを取得する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項４】
前記プロセッサは、さらに、
連合学習に参加する情報処理装置から取得されるローカルモデル情報に基づくモデル統合処理における、それぞれの情報処理装置の連合学習への貢献度を算出するステップと、
算出された貢献度をレポジトリまたはそれぞれの情報処理装置へ送信するステップと、
実行する、ことを特徴とする請求項１に記載の情報処理装置。
【請求項５】
前記連合学習に参加する情報処理装置を決定するステップでは、前記貢献度が上位の所定数の情報処理装置、または前記貢献度が閾値以上の情報処理装置を選択する、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項６】
前記連合学習は、水平連合学習または垂直連合学習である、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項７】
前記情報処理装置は、移動通信コアネットワークにおけるネットワークファンクションの１つである、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項８】
前記情報処理装置は、ＮＷＤＡＦである、
ことを特徴とする請求項７に記載の情報処理装置。
【請求項９】
前記情報処理装置は、移動通信コアネットワークの外部にあり前記移動通信コアネットワークを介してサービスを提供するアプリケーションファンクションである、
ことを特徴とする請求項１に記載の情報処理装置。
【請求項１０】
第１の情報処理装置と複数の第２の情報処理装置を含む情報処理システムであって、
前記複数の第２の情報処理装置が、連合学習への貢献度を含む連合学習プロファイルを送信し、
前記第１の情報処理装置が、前記複数の第２の情報処理装置の前記連合学習プロファイルを受信し、
前記第１の情報処理装置が、前記連合学習プロファイルに基づいて、連合学習に参加する情報処理装置を決定する、
ことを特徴とする情報処理システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置および情報処理システム
続きを表示（約 1,700 文字）【背景技術】
【０００２】
機械学習技術が注目を集める中、データのプライバシーを保護する観点から、分散している学習データを１箇所に集約することなくモデルを学習する連合学習の研究・開発が進められている（非特許文献１）。また、非特許文献２には、５Ｇコアシステムにおける複数のＮＷＤＡＦ（Network Data Analysis Function）による連合学習を開示しており、その中で、連合学習処理に参加するＮＷＤＡＦの発見手順が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２３－１４１５１０号公報
【非特許文献】
【０００４】
Feng, Siwei, and Han Yu. "Multi-participant multi-class vertical federated learning." 2020. <URL: https://doi.org/10.48550/arXiv.2001.11154>
3GPP TS 23.288 V18.3.0 6.2C
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本開示の態様の一つは、連合学習に参加する情報処理装置をより好適に選択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】
【０００６】
本開示の態様の一つは、
プロセッサを有し、前記プロセッサは、
他の情報処理装置に関する連合学習プロファイルであって、少なくとも連合学習への貢献度を含む連合学習プロファイルを取得するステップと、
前記連合学習プロファイルに基づいて、連合学習に参加する情報処理装置を決定するステップと、
を実行する、ことを特徴とする情報処理装置である。
【０００７】
本開示の態様の他の一つは、
第１の情報処理装置と複数の第２の情報処理装置を含む情報処理システムであって、
前記複数の第２の情報処理装置が、連合学習への貢献度を含む連合学習プロファイルを送信し、
前記第１の情報処理装置が、前記複数の第２の情報処理装置の前記連合学習プロファイルを受信し、
前記第１の情報処理装置が、前記連合学習プロファイルに基づいて、連合学習に参加する情報処理装置を決定する、
ことを特徴とする情報処理システムである。
【発明の効果】
【０００８】
本開示の態様によれば、連合学習に参加する情報処理装置をより好適に選択可能である。
【図面の簡単な説明】
【０００９】
一実施形態に係る情報処理システムの構成要素を例示する図。
一実施形態に係る情報処理システムを構成する情報処理装置の構成例を示す図。
一実施形態に係る情報処理システムを構成する情報処理装置の機能構成を示す図。
一実施形態に係る登録および発見手順を説明する図。
一実施形態に係る登録および発見手順を説明する図。
一実施形態に係る連合学習の基本手順および貢献度更新手順を説明する図。
一実施形態に係る連合学習の基本手順および貢献度更新手順を説明する図。
一実施形態に係る連合学習の基本手順および貢献度更新手順を説明する図。
【発明を実施するための形態】
【００１０】
（概要）
連合学習処理では、コーディネータあるいはアクティブ参加者（以下総称して、アクティブ参加者と称する）が学習処理全体の制御を司る。アクティブ参加者は、連合学習を行うパッシブ参加者の選択を行い、パッシブ参加者へのグローバルモデル情報の提供、パッシブ参加者からのローカル学習結果の取得、ローカル学習結果の統合によるグローバルモデルの更新などの処理を行う。パッシブ参加者は、アクティブ参加者から取得したグローバルモデルおよび自身が有する学習データを用いてローカル学習処理を行い、その学習結果をアクティブ参加者へ送信する。
（【００１１】以降は省略されています）

関連特許