学习程序制造技术

分析服务器

【技术实现步骤摘要】
【国外来华专利技术】学习程序、学习方法以及学习装置


[0001]本专利技术涉及学习程序
、
学习方法以及学习装置
。

技术介绍

[0002]以往，已知对加密后的状态的数据进行统计处理的安全计算系统
。
例如，已知有使用加密后的状态的数据来求出逻辑回归分析的参数的技术
(
例如，参照非专利文献
1)。
[0003]此外，在之后的说明中，将逻辑回归模型自身的回归系数等称为模型参数
。
另外，将在使用学习数据求出模型参数的处理
、
即学习处理中设定的参数称为调整参数
(tuning parameter)
或超参数
(hyper parameter)。
[0004]现有技术文献
[0005]专利文献
[0006]专利文献1：日本特开
2020
‑
42128
号公报
[0007]非专利文献
[0008]非专利文献1：安全计算的系统及其原理
https
：
//www.rd.ntt/sc/project/data
‑
security/NTT
‑
himitsu
‑
keisan.pdf
最终阅览日：
2021/3/5
非专利文献2：桐渊直人，五十岚大，滨田浩气，菊池亮，“可编程安全计算库
MEVAL3”，密码学与信息安全研讨会
(SCIS)
，
2018.
[0009]非专利文献3：
EizenKimura
，
Koki Hamada
，
Ryo Kikuchi
，
Koji Chida
，
Kazuya Okamoto
，
Shirou Manabe
，
Tomohiro Kuroda
，
Yasushi Matsumura
，
Toshihiro Takeda
，
and Naoki Mihara
：
″
Evaluation of Secure Computation in a Distributed Healthcare Setting
，
″
Medical Informatics Europe(MIE)2016
：
152
‑
156.
[0010]非专利文献4：
Koji Chida
，
Gembu Morohashi
，
Hitoshi Fuji
，
Fumihiko Magata
，
Akiko Fujimura
，
Koki Hamada
，
Dai Ikarashi
，
Ryuichi Yamamoto
：
″
Implementation and evaluation of an efficient secure computation system using
′
R
′
for healthcare statistics
，
″
J Am Med Inform Assoc.21
，
pp.326
‑
331
，
2014

技术实现思路

[0011]专利技术要解决的课题
[0012]然而，在以往的技术中，在基于安全计算的逻辑回归模型的学习处理中，存在有时难以进行与分析对象相符的分析精度调整的问题
。
[0013]例如，在包含逻辑回归模型的机器学习模型的学习中，有时反复进行模型参数的更新直到满足收敛条件为止
。
[0014]在该情况下，在决定收敛条件的调整参数中，存在由学习用的程序的开发者预先设定且用户
(
分析者
)
无法调整的调整参数
。
而且，调整参数的设定对已学习的逻辑回归模型的分析精度影响较大
。
[0015]特别是，有时采用模型参数的一次更新量低于基准值作为收敛条件
。
另一方面，在
专利文献1所记载的技术中，用户无法任意地设定模型参数的更新量的基准值
。
[0016]用于解决课题的手段
[0017]为了解决上述问题并达成目的，学习程序的特征在于，使计算机执行：计算步骤，将解释变量输入到逻辑回归模型并通过安全计算来计算目标变量；更新步骤，根据基于所述计算步骤的计算结果，通过安全计算来更新所述逻辑回归模型的参数；以及判定步骤，根据基于所述更新步骤的所述参数的更新量是否小于由用户指定且加密后的基准值，通过安全计算来判定是否结束所述参数的更新
。
[0018]专利技术的效果
[0019]根据本专利技术，在基于安全计算的逻辑回归模型的学习处理中，能够进行与分析对象相符的分析精度的调整
。
附图说明
[0020]图1是表示第1实施方式的分析系统的结构例的图
。
[0021]图2是表示第1实施方式的分析服务器的结构例的图
。
[0022]图3是表示第1实施方式的分析系统的学习处理流程的流程图
。
[0023]图4是表示第1实施方式的分析系统的分析处理流程的流程图
。
[0024]图5是表示执行学习程序的计算机的一例的图
。
具体实施方式
[0025]以下，基于附图详细说明本申请的学习程序
、
学习方法以及学习装置的实施方式
。
另外，本专利技术并不限定于以下说明的实施方式
。
[0026][
第1实施方式
][0027]在第1实施方式中，假设学习程序
、
学习方法以及学习装置通过分析系统的一个功能来实现
。
分析系统能够通过安全计算的方法进行逻辑回归模型的学习以及使用了已学习的模型的分析
。
[0028][
第1实施方式的分析系统的结构
][0029]图1是表示第1实施方式的分析系统的结构例的图
。
如图1所示，分析系统1具有登记终端
10、
分析服务器
20A、
分析服务器
20B、
分析服务器
20C
以及分析终端
30。
[0030]各分析服务器设置于数据中心
DC。
另外，分析服务器的数量不限于图1所示的数量
。
另外，在之后的说明中，有时将分析服务器
20A、
分析服务器
20B<本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种学习程序，其特征在于，使计算机执行以下步骤：计算步骤，将解释变量输入到逻辑回归模型并通过安全计算来计算目标变量；更新步骤，根据基于所述计算步骤的计算结果，通过安全计算来更新所述逻辑回归模型的参数；以及判定步骤，根据基于所述更新步骤的所述参数的更新量是否小于由用户指定且加密后的基准值，通过安全计算来判定是否结束所述参数的更新
。2.
根据权利要求1所述的学习程序，其特征在于，所述计算步骤通过在自变量中包含由用户指定且加密后的基准值的函数来计算所述目标变量，所述更新步骤通过所述函数来更新所述参数，所述判定步骤判定是否通过所述函数来结束所述参数的更新
。3.
根据权利要求1或2所述的学习程序，其特征在于，在通过所述判定步骤判定为不结束所述参数的更新的情况下，进一步执行所述计算步骤
。4...

【专利技术属性】
技术研发人员：田中哲士，樱井阳一，泽田匡史，
申请(专利权)人：NTT，
类型：发明
国别省市：