[发明专利]机器学习模型提供系统、机器学习模型提供方法

权利要求书

1.一种机器学习模型提供系统，生成机器学习模型并提供所生成的所述机器学习模型，其特征在于，包括：

存储装置，存储个人信息数据的集合、及关于与所述个人信息数据相关的元数据的数据目录；以及

信息处理装置，

所述信息处理装置执行：

取得处理，取得在所述机器学习模型的生成中利用的所述元数据的指定、提供与所述个人信息数据相关的数据范围的第1数据范围的指定、及机器学习的逻辑；

模型生成处理，根据与指定的所述元数据及所述第1数据范围相应的所述个人信息数据，依照所述逻辑生成所述机器学习模型；

确定风险计算处理，关于所生成的所述机器学习模型，计算表示根据输出确定个人的风险的确定风险；以及

提供管理处理，在所述确定风险成为预定的阈值以上的情况下，停止提供所生成的所述机器学习模型。

2.根据权利要求1所述的机器学习模型提供系统，其特征在于，

各个所述个人信息数据与一个或者多个表示特定的个人的ID信息关联起来，

所述信息处理装置在所述确定风险计算处理中，

选择作为向所生成的所述机器学习模型的输入数据的所述个人信息数据，

取得作为所述机器学习模型针对所述输入数据的输出的输出数据，

生成表示所述ID信息和对所述ID信息关联起来的与所述输入数据相关的所述输出数据的集合的对应的关联输出信息，

根据所述关联输出信息计算所述确定风险。

3.根据权利要求2所述的机器学习模型提供系统，其特征在于，

所述输出数据按类别划分，

所述信息处理装置在所述确定风险计算处理中，

针对所述ID信息和所述类别的每个组合(i，j)，计算包含于所述类别且在所述关联输出信息中与所述ID信息对应的所述输出数据的集合的要素数u(i，j)，

通过以下的式(1)以及式(2)，计算所述确定风险IR，

【数学式7】

【数学式8】

4.根据权利要求2或者3所述的机器学习模型提供系统，其特征在于，

所述信息处理装置在所述确定风险计算处理中，

生成提供所述数据范围的第2数据范围，将与所述第2数据范围相应的所述个人信息数据选择为所述输入数据。

5.根据权利要求4所述的机器学习模型提供系统，其特征在于，

所述第2数据范围依照尺度不同的多个分区，提供多个所述数据范围。

6.一种机器学习模型提供方法，生成机器学习模型并提供所生成的所述机器学习模型，其特征在于，所述机器学习模型提供方法

收集并存储个人信息数据的集合、及关于与所述个人信息数据相关的元数据的数据目录，

取得在所述机器学习模型的生成中利用的所述元数据的指定、提供与所述个人信息数据相关的数据范围的第1数据范围的指定、及机器学习的逻辑，

根据与指定的所述元数据及所述第1数据范围相应的所述个人信息数据，依照所述逻辑生成所述机器学习模型，

关于所生成的所述机器学习模型，计算表示根据输出确定个人的风险的确定风险，

在所述确定风险小于预定的阈值的情况下，提供所生成的所述机器学习模型，在所述确定风险成为所述阈值以上的情况下，停止提供所生成的所述机器学习模型。

7.根据权利要求6所述的机器学习模型提供方法，其特征在于，

各个所述个人信息数据与一个或者多个表示特定的个人的ID信息关联起来，

选择作为向所生成的所述机器学习模型的输入数据的所述个人信息数据，

取得作为所述机器学习模型针对所述输入数据的输出的输出数据，

生成表示所述ID信息和对所述ID信息关联起来的与所述输入数据相关的所述输出数据的集合的对应的关联输出信息，

根据所述关联输出信息，计算所述确定风险。

8.根据权利要求7所述的机器学习模型提供方法，其特征在于，

所述输出数据按类别划分，

针对所述ID信息和所述类别的每个组合(i，j)，计算包含于所述类别且在所述关联输出信息中与所述ID信息对应的所述输出数据的集合的要素数u(i，j)，

通过以下的式(1)以及式(2)，计算所述确定风险IR，

【数学式9】

【数学式10】