知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024100076
(43)【公開日】2024-07-26
(54)【発明の名称】アバター管理システム、学習サーバ、及びプログラム
(51)【国際特許分類】
G06T 19/00 20110101AFI20240719BHJP
【ＦＩ】
G06T19/00 A
【審査請求】未請求
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2023003793
(22)【出願日】2023-01-13
(71)【出願人】
【識別番号】000003193
【氏名又は名称】ＴＯＰＰＡＮホールディングス株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100139686
【弁理士】
【氏名又は名称】鈴木 史朗
(74)【代理人】
【識別番号】100169764
【弁理士】
【氏名又は名称】清水 雄一郎
(74)【代理人】
【識別番号】100147267
【弁理士】
【氏名又は名称】大槻 真紀子
(72)【発明者】
【氏名】山中 寛太
【テーマコード（参考）】
5B050
【Ｆターム（参考）】
5B050BA09
5B050BA12
5B050CA07
5B050CA08
5B050DA10
5B050EA07
5B050EA12
5B050EA18
5B050EA19
5B050FA02
(57)【要約】
【課題】メタバースにおける不正行為の検出を高い精度で行えるようにする。
【解決手段】メタバース制御装置は、メタバースをユーザ端末に提供する制御を行い、アバターの行動をアバター履歴情報に反映させ、未学習の１次学習モデルにアバター履歴情報を入力して、アバターに関する不正を検出する１次学習モデルを作成し、２次学習モデルによりアバターに関する不正を検出し、学習サーバは、未学習の１次学習器を複数のメタバース制御装置に提供し、１次学習モデルに対応する学習結果をメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成し、２次学習モデル作成部により作成された２次学習モデルを不正検出に利用可能なように提供するアバター管理システムを構成する。
【選択図】図９
【解決手段】メタバース制御装置は、メタバースをユーザ端末に提供する制御を行い、アバターの行動をアバター履歴情報に反映させ、未学習の１次学習モデルにアバター履歴情報を入力して、アバターに関する不正を検出する１次学習モデルを作成し、２次学習モデルによりアバターに関する不正を検出し、学習サーバは、未学習の１次学習器を複数のメタバース制御装置に提供し、１次学習モデルに対応する学習結果をメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成し、２次学習モデル作成部により作成された２次学習モデルを不正検出に利用可能なように提供するアバター管理システムを構成する。
【選択図】図９
【特許請求の範囲】
【請求項1】
複数のメタバース制御装置と、前記複数のメタバース制御装置と通信可能に接続される学習サーバとを備え、
前記メタバース制御装置は、
アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、
前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、
未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、
前記学習サーバが作成する２次学習モデルにより、メタバースに存在するアバターに関する不正を検出する不正検出部とを備え、
前記学習サーバは、
前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部と、
前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部と、
前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部とを備える
アバター管理システム。
前記メタバース制御装置は、
アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、
前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、
未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、
前記学習サーバが作成する２次学習モデルにより、メタバースに存在するアバターに関する不正を検出する不正検出部とを備え、
前記学習サーバは、
前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部と、
前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部と、
前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部とを備える
アバター管理システム。
【請求項2】
前記アバター履歴情報の利用について対応のユーザが同意しているか否かの設定を行う同意管理部をさらに備え、
前記１次学習モデル作成部と前記不正検出部は、前記同意管理部により利用についてユーザが同意しているアバター履歴情報を入力するようにされる
請求項１に記載のアバター管理システム。
前記１次学習モデル作成部と前記不正検出部は、前記同意管理部により利用についてユーザが同意しているアバター履歴情報を入力するようにされる
請求項１に記載のアバター管理システム。
【請求項3】
前記２次学習モデル作成部により作成された２次学習モデルのバージョンを管理するバージョン管理部をさらに備える
請求項１または２に記載のアバター管理システム。
請求項１または２に記載のアバター管理システム。
【請求項4】
アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、２次学習モデルによりメタバースに存在するアバターに関する不正を検出する不正検出部とを備える複数のメタバース制御装置と通信可能に接続される学習サーバであって、
前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部と、
前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部と、
前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部とを備える
学習サーバ。
前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部と、
前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部と、
前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部とを備える
学習サーバ。
【請求項5】
アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、２次学習モデルによりメタバースに存在するアバターに関する不正を検出する不正検出部とを備える複数のメタバース制御装置と通信可能に接続される学習サーバとしてのコンピュータを、
前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部、
前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部、
前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部
として機能させるためのプログラム。
前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部、
前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部、
前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部
として機能させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、アバター管理システム、学習サーバ、及びプログラムに関する。
【背景技術】
【0002】
ユーザの操作に応じて仮想空間（メタバース）に存在するアバターを行動させることのできる技術が知られている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２２－１１７１１１号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
メタバースにて、例えばアバターに関連して詐欺、暴力等の不正が行われる可能性がある。このようなメタバースにおける不正の検出を高い精度で行えるようにすることが好ましい。
【0005】
本発明は、メタバースにおける不正の検出を高い精度で行えるようにすることを目的とする。
【課題を解決するための手段】
【0006】
上述した課題を解決する本発明の一態様は、複数のメタバース制御装置と、前記複数のメタバース制御装置と通信可能に接続される学習サーバとを備え、前記メタバース制御装置は、アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、前記学習サーバが作成する２次学習モデルにより、メタバースに存在するアバターに関する不正を検出する不正検出部とを備え、前記学習サーバは、前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部と、前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部と、前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部とを備えるアバター管理システムである。
【0007】
本発明の一態様は、アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、２次学習モデルによりメタバースに存在するアバターに関する不正を検出する不正検出部とを備える複数のメタバース制御装置と通信可能に接続される学習サーバであって、前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部と、前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部と、前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部とを備える学習サーバである。
【0008】
アバターが存在するメタバースをユーザ端末に提供するための制御を行うメタバース制御部と、前記メタバースに存在するアバターの行動を、アバター履歴情報に反映させるアバター履歴情報管理部と、未学習の１次学習モデルに前記アバター履歴情報を入力して、アバターに関する不正を検出する学習済みの１次学習モデルを作成する１次学習モデル作成部と、２次学習モデルによりメタバースに存在するアバターに関する不正を検出する不正検出部とを備える複数のメタバース制御装置と通信可能に接続される学習サーバとしてのコンピュータを、前記未学習の１次学習器を前記複数のメタバース制御装置に提供する１次学習モデル提供部、前記１次学習モデル作成部により作成された１次学習モデルに対応する学習結果を前記未学習の１次学習モデルの提供先のメタバース制御装置から取得し、取得した学習結果を統合して、メタバースに存在するアバターに関する不正を検出する２次学習モデルを作成する２次学習モデル作成部、前記２次学習モデル作成部により作成された２次学習モデルを前記不正検出部が利用可能なように提供する２次学習モデル提供部として機能させるためのプログラムである。
【発明の効果】
【0009】
本発明によれば、メタバースにおける不正行為の検出を高い精度で行えるようになる。
【図面の簡単な説明】
【0010】
【図1】本実施形態におけるアバター管理システムの全体的な構成例を示す図である。
【図2】本実施形態におけるメタバース制御装置の構成例を示す図である。
【図3】本実施形態におけるアバター履歴情報の構造例を示す図である。
【図4】本実施形態における同意管理サーバの構成例を示す図である。
【図5】本実施形態における同意管理情報の構造例を示す図である。
【図6】本実施形態における学習サーバの構成例を示す図である。
【図7】本実施形態におけるユーザ端末、メタバース制御装置、及び同意管理サーバが同意管理情報の登録・管理に関連して実行する処理手順例を示す図である。
【図8】本実施形態におけるユーザ端末とメタバース制御装置とがアバター履歴情報の更新に関連して実行する処理手順例を示す図である。
【図9】本実施形態におけるメタバース制御装置、同意管理サーバ、学習サーバ、及びバージョン管理システムが、学習モデル（１次学習モデル、２次学習モデル）の作成に関連して実行する処理手順例を示す図である。
【発明を実施するための形態】
【0011】
＜実施形態＞
［アバター管理システムの全体的構成例］
図１は、本実施形態のアバター管理システムの全体的な構成例を示している。本実施形態のアバター管理システムは、ユーザインターフェース環境１０、メタバース提供環境２０、同意管理サーバ３００、学習サーバ４００、バージョン管理システム５００を構成要素として含む。これらのシステムの構成要素間の接続は、ネットワークを経由して行われる。
［アバター管理システムの全体的構成例］
図１は、本実施形態のアバター管理システムの全体的な構成例を示している。本実施形態のアバター管理システムは、ユーザインターフェース環境１０、メタバース提供環境２０、同意管理サーバ３００、学習サーバ４００、バージョン管理システム５００を構成要素として含む。これらのシステムの構成要素間の接続は、ネットワークを経由して行われる。
【0012】
ユーザインターフェース環境１０は、メタバース提供環境２０を利用するユーザＵにユーザインターフェースを提供する環境である。具体的に、ユーザインターフェース環境１０は、１以上のユーザＵごとに対応する１以上のユーザ端末１００を備える。
ユーザ端末１００は、ユーザＵが、メタバース提供環境２０が提供するメタバースにてアバターを存在させるのに利用する端末である。
ユーザ端末１００は、ユーザＵが、メタバース提供環境２０が提供するメタバースにてアバターを存在させるのに利用する端末である。
【0013】
メタバース提供環境２０は、ユーザＵが自身に対応するアバターを存在させて利用するメタバースを提供する環境である。メタバース提供環境２０は、１以上のメタバースプラットフォーム２１を含む。同図では、Ｎ個としての複数のメタバースプラットフォーム２１（２１－１、２１－２・・・、２１－Ｎ）を含んだ例が示されている。
【0014】
メタバースプラットフォーム２１（２１－１、２１－２・・・、２１－Ｎ）は、それぞれメタバース制御装置２００（２００－１、２００－２・・・、２００－Ｎ）を備える。
メタバース制御装置２００は、それぞれ対応のメタバースプラットフォーム２１が提供するメタバースの環境を構築し、構築したメタバースにて、ユーザＵのアバターを存在させる制御を行う。メタバース制御装置２００は、対応のユーザＵのユーザ端末１００の操作、あるいはメタバースにおいて設定された条件等に従って、メタバースにてアバターを行動させることができる。ここでのアバターの行動には、アバターのメタバース内での移動、アバターの身体の動き、アバターの発言などが含まれる。
メタバース制御装置２００は、それぞれ対応のメタバースプラットフォーム２１が提供するメタバースの環境を構築し、構築したメタバースにて、ユーザＵのアバターを存在させる制御を行う。メタバース制御装置２００は、対応のユーザＵのユーザ端末１００の操作、あるいはメタバースにおいて設定された条件等に従って、メタバースにてアバターを行動させることができる。ここでのアバターの行動には、アバターのメタバース内での移動、アバターの身体の動き、アバターの発言などが含まれる。
【0015】
メタバース制御装置２００は、例えばメタバースを提供するように構築されたウェブサーバやアプリケーションサーバとして構成されるものであってよい。
【0016】
本実施形態において、メタバースの「提供」とは、ユーザＵがユーザ端末１００を操作してメタバース制御装置２００にアクセスさせることで、ユーザ端末１００にて、メタバースを表示可能とすることであり、さらに、メタバースにてユーザＵのアバターを存在させ、メタバースでのアバターが行動することを可能とすることを含む。
【0017】
ユーザ端末１００は、ユーザＵの操作に応じて、メタバースプラットフォーム２１のうちのいずれかと接続し、接続されたメタバースプラットフォーム２１が提供するメタバースに、ユーザＵに対応付けて登録したアバターを存在させることができる。また、ユーザ端末１００は、ユーザＵがメタバースに存在させたアバターを自分の意思に沿って行動させる操作を行うのに利用される。
ユーザ端末１００は、ヘッドマウントデバイス、パーソナルコンピュータ、スマートフォン、タブレット端末等であってよい。
ユーザ端末１００は、ヘッドマウントデバイス、パーソナルコンピュータ、スマートフォン、タブレット端末等であってよい。
【0018】
同意管理サーバ３００は、メタバースでのアバターの行動の履歴を含むアバター履歴情報をメタバースプラットフォーム２１が利用することに対するユーザＵの同意に関する管理を行うサーバである。具体的に、同意管理サーバ３００は、ユーザＵのそれぞれについて、メタバースプラットフォーム２１ごとにユーザＵに対応のアバターのアバター履歴情報の利用について同意（許諾）するか否かを示した情報（同意管理情報）を格納する。
また、同意管理サーバ３００は、メタバースプラットフォーム２１ごとに、アバター履歴情報以外のアバターに関する情報や、アバターに対応するユーザの情報についての利用の同意に関する管理を行ってもよい。
上記のようなアバターに関する情報やアバターに対応するユーザの情報は、ユーザに関連する情報として扱うことができる。メタバース制御装置２００は、このようなユーザに関連する情報について、例えばユーザＵが操作するユーザ端末１００からの要求に応じて、どのように利用しているのかを通知するようにしてよい。ユーザ端末１００は、通知された内容を、例えば表示等により出力してよい。
また、同意管理サーバ３００は、メタバースプラットフォーム２１ごとに、アバター履歴情報以外のアバターに関する情報や、アバターに対応するユーザの情報についての利用の同意に関する管理を行ってもよい。
上記のようなアバターに関する情報やアバターに対応するユーザの情報は、ユーザに関連する情報として扱うことができる。メタバース制御装置２００は、このようなユーザに関連する情報について、例えばユーザＵが操作するユーザ端末１００からの要求に応じて、どのように利用しているのかを通知するようにしてよい。ユーザ端末１００は、通知された内容を、例えば表示等により出力してよい。
【0019】
学習サーバ４００は、メタバース制御装置２００がアバターに関する不正を検出するのに用いる学習済みの学習モデル（２次学習モデル）を作成するサーバである。
学習サーバ４００は、初期状態の１次学習モデル（未学習の１次学習モデルの一例）をメタバース制御装置２００のそれぞれに提供する。つまり、学習サーバ４００は、初期状態の１次学習モデルをメタバース制御装置２００に配布（送信）する。
メタバース制御装置２００は、配布された初期状態の１次学習モデルに、例えば対応のメタバースにて存在するアバターのアバター履歴情報の内容と不正との関係性を示す教師データを入力させて学習を行わせることで、１次学習モデルを作成してよい。
あるいは、メタバース制御装置２００は、１次学習モデルとして、通常のユーザＵに対応するアバターのアバター履歴情報を入力することで、アバターの行動等についての標準的な分布を学習させてよい。この場合には、不正検出に際して、入力されたアバターの行動履歴について外れ値を検出したことに応じて不正を検出したものとしてよい。１次学習モデルは、例えばｋ－ｍｅａｎｓ等の教師無し学習により構築されてよい。
この場合において、メタバース制御装置２００が１次学習モデルの作成に利用可能なアバター履歴情報については、ユーザＵにより利用が合意（許諾）されているものに限定されてよい。アバター履歴情報の利用がユーザＵにより合意されているか否かは、同意管理サーバ３００により管理される。
学習サーバ４００は、初期状態の１次学習モデル（未学習の１次学習モデルの一例）をメタバース制御装置２００のそれぞれに提供する。つまり、学習サーバ４００は、初期状態の１次学習モデルをメタバース制御装置２００に配布（送信）する。
メタバース制御装置２００は、配布された初期状態の１次学習モデルに、例えば対応のメタバースにて存在するアバターのアバター履歴情報の内容と不正との関係性を示す教師データを入力させて学習を行わせることで、１次学習モデルを作成してよい。
あるいは、メタバース制御装置２００は、１次学習モデルとして、通常のユーザＵに対応するアバターのアバター履歴情報を入力することで、アバターの行動等についての標準的な分布を学習させてよい。この場合には、不正検出に際して、入力されたアバターの行動履歴について外れ値を検出したことに応じて不正を検出したものとしてよい。１次学習モデルは、例えばｋ－ｍｅａｎｓ等の教師無し学習により構築されてよい。
この場合において、メタバース制御装置２００が１次学習モデルの作成に利用可能なアバター履歴情報については、ユーザＵにより利用が合意（許諾）されているものに限定されてよい。アバター履歴情報の利用がユーザＵにより合意されているか否かは、同意管理サーバ３００により管理される。
【0020】
上記のように作成された１次学習モデルは、入力されたアバター履歴情報に対応するアバターに関する不正を検出する機能を有する。不正の検出として、１次学習モデルは、不正の有無を検出するとともに、不正有りの場合には、どのような類型の不正であるのかの分類を行うようにされてもよい。
【0021】
各メタバース制御装置２００は学習サーバ４００に１次学習モデルのパラメータを暗号化やノイズを施したうえで送信する。学習サーバ４００は、各メタバース制御装置２００から収集した１次学習モデルのパラメータを暗号化やノイズを施したまま統合して、２次学習モデルを作成する。
このように２次学習モデルは、各メタバース制御装置２００が対応する複数のメタバースにおけるアバター履歴情報が反映されることから、結果的に必要十分な数のアバター履歴情報を利用して作成されたものとなる。これにより、２次学習モデルによるアバターの不正検出の精度を高めることが可能となる。
なお、学習サーバ４００が、学習済みの１次学習モデル自体を収集し、収集した１次学習モデル自体を統合して２次学習モデルを作成することも可能である。しかしながら、この場合には、例えば学習サーバ４００を運用する事業者自体あるいは事業者内に悪意を有する者が存在する場合、当該悪意を有する者が、収集した１次学習モデル自体から教師データを復元することでユーザＵの個人情報を不正に取得するおそれが生じる。つまり、ユーザＵの個人情報が漏洩するおそれが生じる。そこで、上記のように、学習サーバ４００は、１次学習モデル自体ではなく、１次学習モデルのパラメータを収集し、２次学習モデルを作成するようにされている。
また、学習サーバ４００は、収集した１次学習モデルのパラメータについて暗号化やノイズが施されていなくとも２次学習モデルを作成できるが、上記のような個人情報の漏洩の可能性をできるだけ防止するため、暗号化やノイズを施すことが好ましい。この場合、学習サーバ４００は、暗号化したまま計算できる秘密計算あるいは差分プライバシー等でパラメータを統合してよい。
このように２次学習モデルは、各メタバース制御装置２００が対応する複数のメタバースにおけるアバター履歴情報が反映されることから、結果的に必要十分な数のアバター履歴情報を利用して作成されたものとなる。これにより、２次学習モデルによるアバターの不正検出の精度を高めることが可能となる。
なお、学習サーバ４００が、学習済みの１次学習モデル自体を収集し、収集した１次学習モデル自体を統合して２次学習モデルを作成することも可能である。しかしながら、この場合には、例えば学習サーバ４００を運用する事業者自体あるいは事業者内に悪意を有する者が存在する場合、当該悪意を有する者が、収集した１次学習モデル自体から教師データを復元することでユーザＵの個人情報を不正に取得するおそれが生じる。つまり、ユーザＵの個人情報が漏洩するおそれが生じる。そこで、上記のように、学習サーバ４００は、１次学習モデル自体ではなく、１次学習モデルのパラメータを収集し、２次学習モデルを作成するようにされている。
また、学習サーバ４００は、収集した１次学習モデルのパラメータについて暗号化やノイズが施されていなくとも２次学習モデルを作成できるが、上記のような個人情報の漏洩の可能性をできるだけ防止するため、暗号化やノイズを施すことが好ましい。この場合、学習サーバ４００は、暗号化したまま計算できる秘密計算あるいは差分プライバシー等でパラメータを統合してよい。
【0022】
また、２次学習モデルは、学習サーバ４００が各メタバース制御装置２００から収集したアバター履歴情報を直接に利用して学習させることにより作成されるものではなく、１次学習モデルを統合することにより作成される。例えば、学習サーバ４００が、各メタバース制御装置２００からアバター履歴情報を収集し、収集したアバター履歴情報を入力して学習させることで２次学習モデルを作成することも可能である。
しかしながら、アバター履歴情報は、対応のユーザＵの個人情報として捉えられる。このため、メタバースプラットフォーム２１の外部の学習サーバ４００がアバター履歴情報をそのまま利用することは個人情報保護の観点から難しい。仮に学習サーバ４００が直接的にアバター履歴情報を利用して２次学習モデルを作成しようとすると、アバター履歴情報について匿名化等の加工が必要となる。このような加工後のアバター履歴情報を用いて作成される学習モデルでは、十分な検出精度を得られない可能性もある。
そこで本実施形態では、各メタバース制御装置２００が１次学習モデルを作成し、学習サーバ４００が１次学習モデルのパラメータを統合して２次学習モデルを作成するようにされている。これにより、学習サーバ４００は、各メタバース制御装置２００からアバター履歴情報を収集することなく２次学習モデルを作成できる。つまり、本実施形態のもとでは、個人情報の保護を図りつつ、高い精度でアバターに関する不正を検出できる。
しかしながら、アバター履歴情報は、対応のユーザＵの個人情報として捉えられる。このため、メタバースプラットフォーム２１の外部の学習サーバ４００がアバター履歴情報をそのまま利用することは個人情報保護の観点から難しい。仮に学習サーバ４００が直接的にアバター履歴情報を利用して２次学習モデルを作成しようとすると、アバター履歴情報について匿名化等の加工が必要となる。このような加工後のアバター履歴情報を用いて作成される学習モデルでは、十分な検出精度を得られない可能性もある。
そこで本実施形態では、各メタバース制御装置２００が１次学習モデルを作成し、学習サーバ４００が１次学習モデルのパラメータを統合して２次学習モデルを作成するようにされている。これにより、学習サーバ４００は、各メタバース制御装置２００からアバター履歴情報を収集することなく２次学習モデルを作成できる。つまり、本実施形態のもとでは、個人情報の保護を図りつつ、高い精度でアバターに関する不正を検出できる。
【0023】
学習サーバ４００は、作成した学習モデルを各メタバースプラットフォーム２１のメタバース制御装置２００に配布（送信）する。メタバース制御装置２００は、配布された学習モデルを用いて、対応のメタバースに存在するアバターに関する不正を検出する。
【0024】
本実施形態において、「アバターに関する不正」は、メタバースにおけるアバターの不正行為を含む。メタバースにおけるアバターの不正行為として、具体的には、メタバースにおけるアバターのなりすましや乗っ取り、メタバースにおけるアバターの詐欺行為、盗難行為、暴力行為、痴漢行為などといった現実世界での不法行為、犯罪行為に相当するもののほか、差別的、暴力的な発言、倫理的でない行為などが含まれてよい。
【0025】
バージョン管理システム５００は、学習サーバ４００が作成した不正検出学習モデルのバージョンを管理するシステムである。バージョン管理システム５００は、例えばブロックチェーンや秘密分散として構成されるものであってよい。
【0026】
［メタバース制御装置の構成例］
図２を参照して、メタバース制御装置２００の機能構成例について説明する。同図のメタバース制御装置２００は、通信部２０１、制御部２０２、及び記憶部２０３を備える。
図２を参照して、メタバース制御装置２００の機能構成例について説明する。同図のメタバース制御装置２００は、通信部２０１、制御部２０２、及び記憶部２０３を備える。
【0027】
通信部２０１は、ネットワーク経由でユーザ端末１００、同意管理サーバ３００、及び学習サーバ４００等と通信可能に接続する。
【0028】
制御部２０２は、メタバース制御装置２００における各種制御を実行する。制御部２０２は、メタバース制御部２２１、アバター履歴情報管理部２２２、１次学習モデル作成部２２３、不正検出部２２４を備える。
【0029】
メタバース制御部２２１は、メタバースを提供するための制御を行う。
【0030】
アバター履歴情報管理部２２２（アバター履歴管理部の一例）は、対応のメタバースにて存在したアバターに対応するユーザＵのアバター履歴情報を管理する。アバター履歴情報は、アバター履歴情報記憶部２３４に記憶されている。アバター履歴情報管理部２２２は、対応のメタバースにて存在したアバターの行動情報を取得し、取得した行動の履歴を示すアバター履歴情報を生成する。アバター履歴情報管理部２２２は生成したアバター履歴情報を、アバター履歴情報記憶部２３４に記憶させる。
【0031】
１次学習モデル作成部２２３は、１次学習モデルを作成する。学習サーバ４００は、初期状態の１次学習モデルをメタバース制御装置２００のそれぞれに配布（送信）する。１次学習モデル作成部２２３は、送信された初期状態の１次学習モデルにアバター履歴情報記憶部２３４が記憶するアバター履歴情報を入力させることにより学習させ、学習済みの１次学習モデルを作成する。この際、１次学習モデル作成部２２３は、アバター履歴情報記憶部２３４が記憶するアバター履歴情報のうちで、ユーザＵにより利用の同意が得られているアバター履歴情報を１次学習モデルの作成に用いるようにしてよい。
【0032】
１次学習モデル作成部２２３は、古典機械学習や量子機械学習、あるいは量子古典ハイブリッド機械学習により１次学習モデルに学習を行わせるようにしてよい。量子機械学習は、古典機械学習と比較して、過学習が生じにくいとされる。また、量子機械学習は、古典機械学習と比較して、少ない教師データや少ないパラメータで十分な精度の学習を行うことが可能であり、学習に要する時間の短縮を図ることも期待される。
【0033】
不正検出部２２４は、学習サーバ４００から配布（送信）された２次学習モデルを利用して、メタバース制御部２２１が構築しているメタバースにて存在するアバターに関する不正を検出する。
なお、不正検出部２２４による検出出力を利用して、担当者が最終的に不正についての有無、不正の内容等を判断するようにしてよい。この場合には、不正検出部２２４は、例えば担当者の使用する端末にて検出結果を表示等により出力させるようにしてよい。
なお、不正検出部２２４による検出出力を利用して、担当者が最終的に不正についての有無、不正の内容等を判断するようにしてよい。この場合には、不正検出部２２４は、例えば担当者の使用する端末にて検出結果を表示等により出力させるようにしてよい。
【0034】
記憶部２０３は、メタバース制御装置２００における各種の情報を記憶する。記憶部２０３は、メタバース構築情報記憶部２３１、アバター情報記憶部２３２、１次学習モデル記憶部２３３、アバター履歴情報記憶部２３４、及び２次学習モデル記憶部２３５を備える。
【0035】
メタバース構築情報記憶部２３１は、メタバース構築情報を記憶する。メタバース構築情報は、メタバース制御部２２１が、メタバースの構築に利用する情報である。メタバース制御部２２１が構築したメタバースの環境は、メタバース構築情報により定められる。
【0036】
アバター情報記憶部２３２は、アバター情報を記憶する。アバター情報は、対応のメタバースにて存在させるものとしてユーザＵが登録したアバターを、メタバースにて存在させるのに利用される情報である。アバター情報は、対応のアバターを再現するためのオブジェクトデータ、音声等の素材データ、対応のユーザＵの属性情報、及びメタデータ等を含む。メタデータには、アバターＩＤ、対応のユーザＵを示すユーザＩＤ等が含まれてよい。
【0037】
１次学習モデル記憶部２３３は、１次学習モデルを記憶する。１次学習モデル記憶部２３３は、学習サーバ４００から初期状態の１次学習モデルが送信されたことに応じて、初期状態の１次学習モデルを記憶する。１次学習モデル作成部２２３は、１次学習モデル記憶部２３３が記憶する初期状態の１次学習モデルを利用して学習済みの１次学習モデルを作成する。１次学習モデル記憶部２３３は、学習済みの１次学習モデルが作成されたことに応じて、学習済みの１次学習モデルを記憶する。
【0038】
アバター履歴情報記憶部２３４は、アバター履歴情報管理部２２２が生成したアバター履歴情報を記憶する。
図３は、１のアバターに対応するアバター履歴情報の構造例を示している。同図に示されるように、１のアバターに対応するアバター履歴情報は、対応のアバターを一意に示すアバターＩＤと、対応のアバターのユーザＵを一意に示すユーザＩＤとが対応付けられた構造を有する。
図３は、１のアバターに対応するアバター履歴情報の構造例を示している。同図に示されるように、１のアバターに対応するアバター履歴情報は、対応のアバターを一意に示すアバターＩＤと、対応のアバターのユーザＵを一意に示すユーザＩＤとが対応付けられた構造を有する。
【0039】
説明を図２に戻す。
２次学習モデル記憶部２３５は、学習サーバ４００が送信した２次学習モデルを記憶する。不正検出部２２４は、２次学習モデル記憶部２３５が記憶する２次学習モデルを利用してメタバースにおいて存在するアバターに関する不正を検出する。
２次学習モデル記憶部２３５は、学習サーバ４００が送信した２次学習モデルを記憶する。不正検出部２２４は、２次学習モデル記憶部２３５が記憶する２次学習モデルを利用してメタバースにおいて存在するアバターに関する不正を検出する。
【0040】
［同意管理サーバの構成例］
図４を参照して、同意管理サーバ３００の機能構成例について説明する。同図の同意管理サーバ３００は、通信部３０１、制御部３０２、及び記憶部３０３を備える。
図４を参照して、同意管理サーバ３００の機能構成例について説明する。同図の同意管理サーバ３００は、通信部３０１、制御部３０２、及び記憶部３０３を備える。
【0041】
通信部３０１は、ネットワーク経由でユーザ端末１００やメタバース制御装置２００と通信可能に接続する。
【0042】
制御部３０２は、同意管理サーバ３００における各種制御を実行する。制御部３０２は、同意管理部３２１を備える。アバターごとのアバター履歴情報の利用についてのユーザＵの同意（許諾）に関する管理を行う。同意管理部３２１は、ユーザＵの同意（許諾）に関する管理にあたり、同意管理情報記憶部３３１が記憶する同意管理情報の記憶、変更（更新）等を行う。
【0043】
記憶部３０３は、同意管理サーバ３００における各種の情報を記憶する。記憶部３０３は、同意管理情報記憶部３３１を備える。
【0044】
同意管理情報記憶部３３１は、同意管理情報を記憶する。同意管理情報は、例えばメタバースプラットフォームにおけるアバターごとのアバター履歴情報の利用についてのユーザによる同意に関する設定内容を示す情報である。なお、同意管理情報には、アバター履歴情報以外の情報として、例えば対応のユーザの属性情報（ユーザ属性情報）等についてのユーザによる同意に関する設定内容も示されてよい。
【0045】
図５は、１のアバターに対応する同意管理情報の構造例を示している。１のメタバースプラットフォームにおける１のアバターについての同意管理情報は、メタバースプラットフォームＩＤに１のアバターに関する同意設定情報を対応付けた構造である。
１のアバターに関する同意設定情報は、対応のアバターを一意に示すアバターＩＤと対応のユーザＵを一意に示すユーザＩＤとに対して、１以上の同意設定フラグを対応付けた構造である。
同意設定フラグは、対応のユーザＵが、対応のアバターに関する情報の利用について同意しているか否かを示す情報である。同図においては、対応のアバターに関する情報としてアバター履歴情報、ユーザ属性情報等のそれぞれに対して同意設定フラグを対応付けた例が示されている。
同意設定フラグが同意を示す場合、対応のメタバースプラットフォームＩＤが示すメタバースプラットフォーム２１は、対応のアバターに関する情報（アバター履歴情報、ユーザ属性情報等）を１次学習モデルの作成に利用することが可能となる。
このような構造の同意設定情報を有することで、ユーザＵは、自己に対応するアバターについて、メタバースプラットフォームＩＤごとにアバターに関する情報の利用の同意・非同意を設定することができる。
１のアバターに関する同意設定情報は、対応のアバターを一意に示すアバターＩＤと対応のユーザＵを一意に示すユーザＩＤとに対して、１以上の同意設定フラグを対応付けた構造である。
同意設定フラグは、対応のユーザＵが、対応のアバターに関する情報の利用について同意しているか否かを示す情報である。同図においては、対応のアバターに関する情報としてアバター履歴情報、ユーザ属性情報等のそれぞれに対して同意設定フラグを対応付けた例が示されている。
同意設定フラグが同意を示す場合、対応のメタバースプラットフォームＩＤが示すメタバースプラットフォーム２１は、対応のアバターに関する情報（アバター履歴情報、ユーザ属性情報等）を１次学習モデルの作成に利用することが可能となる。
このような構造の同意設定情報を有することで、ユーザＵは、自己に対応するアバターについて、メタバースプラットフォームＩＤごとにアバターに関する情報の利用の同意・非同意を設定することができる。
【0046】
［学習サーバ］
図６を参照して、学習サーバ４００の機能構成例について説明する。同図の学習サーバ４００は、通信部４０１、制御部４０２、及び記憶部４０３を備える。
図６を参照して、学習サーバ４００の機能構成例について説明する。同図の学習サーバ４００は、通信部４０１、制御部４０２、及び記憶部４０３を備える。
【0047】
通信部４０１は、ネットワーク経由でメタバース制御装置２００やバージョン管理システム５００と通信可能に接続する。
【0048】
制御部４０２は、学習サーバ４００における各種の制御を実行する。制御部４０２は、１次学習モデル提供部４２１、２次学習モデル作成部４２２、２次学習モデル提供部４２３、及びバージョン管理部４２４を備える。
【0049】
１次学習モデル提供部４２１は、初期状態の１次学習モデルを、各メタバースプラットフォーム２１のメタバース制御装置２００に提供する。具体的に、初期状態の１次学習モデルは、初期１次学習モデル記憶部４３２に記憶されている。１次学習モデル提供部４２１は、初期１次学習モデル記憶部４３２に記憶されている初期状態の１次学習モデルを、通信部４０１から各メタバースプラットフォーム２１のメタバース制御装置２００に送信（配布）させる。
【0050】
２次学習モデル作成部４２２は、各メタバースプラットフォーム２１のメタバース制御装置２００から収集した学習済みの１次学習モデルのパラメータを統合して２次学習モデルを作成する。学習済みの１次学習モデルのパラメータの統合にあたっては、２次学習モデル作成部４２２は、例えば、量子機械学習により得られた１次学習モデルのパラメータを秘密計算や差分プライバシー等で統合して２次学習モデルを作成してよい。
２次学習モデル作成部４２２は、作成した２次学習モデルを２次学習モデル記憶部４３４に記憶させてよい。
２次学習モデル作成部４２２は、作成した２次学習モデルを２次学習モデル記憶部４３４に記憶させてよい。
【0051】
２次学習モデル提供部４２３は、２次学習モデル作成部４２２が作成した２次学習モデルを、各メタバースプラットフォーム２１のメタバース制御装置２００に提供する。提供にあたって、２次学習モデル提供部４２３は、通信部４０１から各メタバース制御装置２００に２次学習モデルを送信させてよい。この際、２次学習モデル提供部４２３は、２次学習モデル記憶部４３４に記憶された２次学習モデルを送信（配布）してよい。
各メタバースプラットフォーム２１のメタバース制御装置２００において、不正検出部２２４は、送信された２次学習モデルを利用して、対応のメタバースにおいて存在しているアバターに関する不正の検出を実行する。
各メタバースプラットフォーム２１のメタバース制御装置２００において、不正検出部２２４は、送信された２次学習モデルを利用して、対応のメタバースにおいて存在しているアバターに関する不正の検出を実行する。
【0052】
バージョン管理部４２４は、２次学習モデル作成部４２２により作成された２次学習モデルのバージョンを管理する。
２次学習モデルは、例えば新たな不正に対応して検出が可能なように、あるいはメタバースの環境変化やメタバースを利用するユーザ層の変化等に対応して検出精度の維持や向上を図るため、適宜、更新される。更新の際には、学習サーバ４００は、１次学習モデル提供部４２１により改めて初期状態の１次学習モデルをメタバース制御装置２００に提供し、２次学習モデル作成部４２２が学習済みの１次学習モデルのパラメータを収集して２次学習モデルを作成する。
このように２次学習モデルが更新されることに応じて、バージョン管理部４２４は、更新された２次学習モデルに対してバージョンを付し、バージョンを管理するようにされている。バージョン管理部４２４は、更新された２次学習モデルに付したバージョンを示すバージョン管理情報を生成する。バージョン管理情報は、対応の２次学習モデルに付したバージョン、更新日時等を含んでよい。
さらに、バージョン管理情報は、対応の２次学習モデルを含むものであってもよい。
バージョン管理部４２４は、生成したバージョン管理情報を、バージョン管理システム５００に登録する。バージョン管理システム５００は、ブロックチェーンや秘密分散として構成されてよい。バージョン管理システム５００が、ブロックチェーンや秘密分散として構成されることで、改ざん、盗聴、悪用等の不正、ＤＤｏｓ攻撃や大規模災害によるアクセスエラー、データ消失等の障害に対する耐性を強化できる。
２次学習モデルは、例えば新たな不正に対応して検出が可能なように、あるいはメタバースの環境変化やメタバースを利用するユーザ層の変化等に対応して検出精度の維持や向上を図るため、適宜、更新される。更新の際には、学習サーバ４００は、１次学習モデル提供部４２１により改めて初期状態の１次学習モデルをメタバース制御装置２００に提供し、２次学習モデル作成部４２２が学習済みの１次学習モデルのパラメータを収集して２次学習モデルを作成する。
このように２次学習モデルが更新されることに応じて、バージョン管理部４２４は、更新された２次学習モデルに対してバージョンを付し、バージョンを管理するようにされている。バージョン管理部４２４は、更新された２次学習モデルに付したバージョンを示すバージョン管理情報を生成する。バージョン管理情報は、対応の２次学習モデルに付したバージョン、更新日時等を含んでよい。
さらに、バージョン管理情報は、対応の２次学習モデルを含むものであってもよい。
バージョン管理部４２４は、生成したバージョン管理情報を、バージョン管理システム５００に登録する。バージョン管理システム５００は、ブロックチェーンや秘密分散として構成されてよい。バージョン管理システム５００が、ブロックチェーンや秘密分散として構成されることで、改ざん、盗聴、悪用等の不正、ＤＤｏｓ攻撃や大規模災害によるアクセスエラー、データ消失等の障害に対する耐性を強化できる。
【0053】
バージョン管理システム５００がブロックチェーンとして構成され、バージョン管理情報が対応の２次学習モデルを格納する場合、まず、学習サーバ４００のバージョン管理部４２４は、例えば学習サーバ４００の外部（または内部であってもよい）の暗号鍵生成システムに管理対象の２次学習モデルの属性情報（例えば、連合学習参加者や２次学習モデルのバージョンを示す）を送信する。暗号鍵生成システムは、受信した属性情報に基づく暗号鍵のペア（公開鍵・秘密鍵）を生成する。バージョン管理部４２４は、生成された公開鍵で管理対象の２次学習モデルを暗号化し、暗号化した２次学習モデルとメタデータとをバージョン管理情報として、バージョン管理システム５００に送信する。
バージョン管理システム５００は、学習サーバ４００から受信したバージョン管理情報に含まれる２次学習モデルを、分散ストレージにて複数に分割し、それぞれを異なるノードに保管させる。また、バージョン管理システム５００は、受け取ったバージョン管理情報にハッシュ処理を施すことで、対応の２次学習モデルのバージョンに一意となるＣＩＤ（Contents Identifier）を生成する。バージョン管理システム５００は、ＣＩＤとバージョン管理情報に含まれていたメタデータとをブロックチェーン上にて、新規ノードあるいは特定のノードのピアに紐付けて記憶させる。
この場合、バージョン管理システム５００がブロックチェーン上に記憶している２次学習モデルは以下のように復元される。メタバースプラットフォーム２１は、自己が必要とする過去のバージョンの２次学習モデルを学習サーバ４００に要求する。２次学習モデルの要求に応じて、学習サーバ４００のバージョン管理部４２４は、メタバースプラットフォーム２１の属性情報に基づいて認証処理を実行してよい。
また、メタバースプラットフォーム２１は、属性情報を暗号鍵生成システムに送信する。暗号鍵生成システムは、受信した属性情報に紐付けられた秘密鍵をメタバースプラットフォーム２１に返却する。
学習サーバ４００は要求されたバージョンの２次学習モデルを、メタデータを用いてバージョン管理システム５００に要求する。バージョン管理システム５００は、要求されたバージョンに対応付けられたＣＩＤを学習サーバ４００に送信する。学習サーバ４００は受信したＣＩＤを用いて分散された２次学習モデルの合成を分散ストレージに指示する。分散ストレージは受け取ったＣＩＤにより指定されるバージョンの２次学習モデルを合成する。この際、分散ストレージは、各ノードから収集したデータにより２次学習モデルを合成する。分散ストレージは、合成により得られた２次学習モデルを学習サーバ４００に送信する。学習サーバ４００は、受信した２次学習モデルをメタバースプラットフォーム２１に送信する。メタバースプラットフォーム２１が受信した２次学習モデルは公開鍵により暗号化されている。そこで、メタバースプラットフォーム２１は、暗号鍵生成システムから返却された秘密鍵を用いて２次学習モデルを復号する。
バージョン管理システム５００は、学習サーバ４００から受信したバージョン管理情報に含まれる２次学習モデルを、分散ストレージにて複数に分割し、それぞれを異なるノードに保管させる。また、バージョン管理システム５００は、受け取ったバージョン管理情報にハッシュ処理を施すことで、対応の２次学習モデルのバージョンに一意となるＣＩＤ（Contents Identifier）を生成する。バージョン管理システム５００は、ＣＩＤとバージョン管理情報に含まれていたメタデータとをブロックチェーン上にて、新規ノードあるいは特定のノードのピアに紐付けて記憶させる。
この場合、バージョン管理システム５００がブロックチェーン上に記憶している２次学習モデルは以下のように復元される。メタバースプラットフォーム２１は、自己が必要とする過去のバージョンの２次学習モデルを学習サーバ４００に要求する。２次学習モデルの要求に応じて、学習サーバ４００のバージョン管理部４２４は、メタバースプラットフォーム２１の属性情報に基づいて認証処理を実行してよい。
また、メタバースプラットフォーム２１は、属性情報を暗号鍵生成システムに送信する。暗号鍵生成システムは、受信した属性情報に紐付けられた秘密鍵をメタバースプラットフォーム２１に返却する。
学習サーバ４００は要求されたバージョンの２次学習モデルを、メタデータを用いてバージョン管理システム５００に要求する。バージョン管理システム５００は、要求されたバージョンに対応付けられたＣＩＤを学習サーバ４００に送信する。学習サーバ４００は受信したＣＩＤを用いて分散された２次学習モデルの合成を分散ストレージに指示する。分散ストレージは受け取ったＣＩＤにより指定されるバージョンの２次学習モデルを合成する。この際、分散ストレージは、各ノードから収集したデータにより２次学習モデルを合成する。分散ストレージは、合成により得られた２次学習モデルを学習サーバ４００に送信する。学習サーバ４００は、受信した２次学習モデルをメタバースプラットフォーム２１に送信する。メタバースプラットフォーム２１が受信した２次学習モデルは公開鍵により暗号化されている。そこで、メタバースプラットフォーム２１は、暗号鍵生成システムから返却された秘密鍵を用いて２次学習モデルを復号する。
【0054】
また、バージョン管理システム５００が秘密分散に対応するシステム（秘密分散システム）として構成され、バージョン管理情報が対応の２次学習モデルを格納する場合、バージョン管理システム５００は、学習サーバ４００から受け取ったバージョン管理情報に格納される２次学習モデルを、秘密分散処理サーバにて複数（ｎ個）の断片に分割する。分割された断片は、１つでは意味を有さない。バージョン管理システム５００は、ｎ個の断片を物理的に異なるｎ個のデータベースのそれぞれに分散して記憶させる。
この場合、バージョン管理システム５００がブロックチェーン上に記憶している２次学習モデルは以下のように復元される。メタバースプラットフォーム２１は、自己が必要とする過去のバージョンの２次学習モデルを学習サーバ４００に要求する。学習サーバ４００のバージョン管理部４２４は、２次学習モデルの要求を秘密分散処理サーバに転送する。
秘密分散処理サーバは、ｎ個のデータベースから、ｋ個（ｋ＜ｎ）の断片を取得する。秘密分散処理サーバは、取得した断片から２次学習モデルを復元する。このとき、大規模災害やサイバー攻撃によりいくつかのデータベースから意味を持たない断片が盗まれたり、消失していたとしても、他のｋ個の断片から元データは復元が可能である。秘密分散処理サーバは、復元された２次学習モデルを学習サーバ４００に送信する。
この場合、バージョン管理システム５００がブロックチェーン上に記憶している２次学習モデルは以下のように復元される。メタバースプラットフォーム２１は、自己が必要とする過去のバージョンの２次学習モデルを学習サーバ４００に要求する。学習サーバ４００のバージョン管理部４２４は、２次学習モデルの要求を秘密分散処理サーバに転送する。
秘密分散処理サーバは、ｎ個のデータベースから、ｋ個（ｋ＜ｎ）の断片を取得する。秘密分散処理サーバは、取得した断片から２次学習モデルを復元する。このとき、大規模災害やサイバー攻撃によりいくつかのデータベースから意味を持たない断片が盗まれたり、消失していたとしても、他のｋ個の断片から元データは復元が可能である。秘密分散処理サーバは、復元された２次学習モデルを学習サーバ４００に送信する。
【0055】
なお、バージョン管理システム５００と同等の２次学習モデルのバージョンを管理する機能が学習サーバ４００に備えられてもよい。この場合、バージョン管理システム５００は省略されてよい。
【0056】
本実施形態における２次学習モデルの作成は、連合学習として構成されてよい。この場合、各メタバースプラットフォーム２１において１次学習モデル作成部２２３を備えるメタバース制御装置２００がクライアントとなり、学習サーバ４００が中央サーバとして機能する。
この場合、学習サーバ４００の１次学習モデル提供部４２１は、グローバルモデルである初期状態の１次学習モデルを各メタバース制御装置２００に提供する。メタバース制御装置２００の１次学習モデル作成部２２３は、対応のメタバースに存在しているアバターのアバター行動履歴情報をローカルデータとして用いて、１次学習モデルを学習させる。学習サーバ４００は、各メタバース制御装置２００から収集した学習済みの１次学習モデルのパラメータを統合して、新たなグローバルモデルとして２次学習モデルを作成する。
この場合、学習サーバ４００の１次学習モデル提供部４２１は、グローバルモデルである初期状態の１次学習モデルを各メタバース制御装置２００に提供する。メタバース制御装置２００の１次学習モデル作成部２２３は、対応のメタバースに存在しているアバターのアバター行動履歴情報をローカルデータとして用いて、１次学習モデルを学習させる。学習サーバ４００は、各メタバース制御装置２００から収集した学習済みの１次学習モデルのパラメータを統合して、新たなグローバルモデルとして２次学習モデルを作成する。
【0057】
記憶部４０３は、学習サーバ４００における各種情報を記憶する。記憶部４０３は、プラットフォーム情報記憶部４３１、初期１次学習モデル記憶部４３２、１次学習モデルパラメータ記憶部４３３、及び２次学習モデル記憶部４３４を備える。
【0058】
プラットフォーム情報記憶部４３１は、プラットフォーム情報を記憶する。プラットフォーム情報は、１次学習モデルと２次学習モデルの提供先であるメタバースプラットフォーム２１を示す情報である。１のメタバースプラットフォーム２１に対応するプラットフォーム情報は、例えば対応のメタバースプラットフォーム２１の運営者、対応のメタバース制御装置２００のアドレス、１次学習モデル及び２次学習モデルの提供履歴等が含まれてよい。
【0059】
初期１次学習モデル記憶部４３２は、初期状態の１次学習モデルを記憶する。
【0060】
１次学習モデルパラメータ記憶部４３３は、各メタバース制御装置２００から送信された学習済みの１次学習モデルに関するデータを記憶する。具体的に、１次学習モデルパラメータ記憶部４３３は、学習済みの１次学習モデルに関するデータとして、学習済みの１次学習モデルのパラメータを秘密計算により統合した値、あるいは各メタバース制御装置２００により差分プライバシーを施された学習済みの１次学習モデルのパラメータを記憶する。
【0061】
２次学習モデル記憶部４３４は、２次学習モデル作成部４２２が作成した２次学習モデルを記憶する。２次学習モデル記憶部４３４は、バージョン管理システム５００から復元したこれまでに作成された各バージョンの２次学習モデルを記憶するようにされてよい。
【0062】
［処理手順例］
図７のシーケンス図を参照して、ユーザ端末１００、メタバース制御装置２００、及び同意管理サーバ３００が同意管理情報の登録・管理に関連して実行する処理手順例について説明する。
ステップＳ１００：ユーザＵは、これから自分が利用したいメタバースプラットフォーム２１のメタバース制御装置２００にユーザ端末１００をアクセスさせ、メタバースプラットフォーム２１の利用登録（メタバース利用登録）の操作を所定の手順に従って行う。メタバース利用登録の操作に応じて、ユーザ端末１００は、メタバース利用登録に応じた通信を行う。メタバース利用登録に応じた通信において、ユーザ端末１００は、対応のメタバースにおいて存在させる自己のアバターのアバター情報をメタバース制御装置２００に送信する。この際、ユーザ端末１００は、自己が記憶しているアバター情報をメタバース制御装置２００に送信してもよいし、アバターを管理するアバター管理サーバ（図示は省略）に記憶されている自己のアバターのアバター情報を、アバター管理サーバからメタバース制御装置２００に送信させるようにしてよい。
図７のシーケンス図を参照して、ユーザ端末１００、メタバース制御装置２００、及び同意管理サーバ３００が同意管理情報の登録・管理に関連して実行する処理手順例について説明する。
ステップＳ１００：ユーザＵは、これから自分が利用したいメタバースプラットフォーム２１のメタバース制御装置２００にユーザ端末１００をアクセスさせ、メタバースプラットフォーム２１の利用登録（メタバース利用登録）の操作を所定の手順に従って行う。メタバース利用登録の操作に応じて、ユーザ端末１００は、メタバース利用登録に応じた通信を行う。メタバース利用登録に応じた通信において、ユーザ端末１００は、対応のメタバースにおいて存在させる自己のアバターのアバター情報をメタバース制御装置２００に送信する。この際、ユーザ端末１００は、自己が記憶しているアバター情報をメタバース制御装置２００に送信してもよいし、アバターを管理するアバター管理サーバ（図示は省略）に記憶されている自己のアバターのアバター情報を、アバター管理サーバからメタバース制御装置２００に送信させるようにしてよい。
【0063】
ステップＳ１０２：メタバース制御装置２００においてメタバース制御部２２１は、ステップＳ１００によるメタバース利用登録の通信に応じて、送信されたアバター情報をアバター情報記憶部２３２に記憶させる。このようにアバター情報が記憶されたことにより、メタバース制御装置２００にてアバター情報が登録されたことになる。
【0064】
ステップＳ１０４：メタバース制御装置２００においてメタバース制御部２２１は、アバター情報の登録元のユーザＵのユーザ端末１００に対して利用同意確認の要求を行う。利用同意確認は、対応のメタバースにおいて１次学習モデルの作成にユーザＵが登録したアバターのアバター履歴情報を利用することに同意するか否かを確認することである。
具体的に、メタバース制御部２２１は、利用同意確認の要求として、例えば、ユーザＵがメタバース利用登録をする際に同意管理サーバ３００に反映される利用同意確認画面を表示し、ユーザ端末１００からアバター履歴情報の利用の同意に関する設定を行ってもらうようにしてよい。
具体的に、メタバース制御部２２１は、利用同意確認の要求として、例えば、ユーザＵがメタバース利用登録をする際に同意管理サーバ３００に反映される利用同意確認画面を表示し、ユーザ端末１００からアバター履歴情報の利用の同意に関する設定を行ってもらうようにしてよい。
【0065】
ステップＳ１０６：ユーザＵは、ユーザ端末１００を同意管理サーバ３００の利用同意確認画面にアクセスさせ、ユーザ端末１００にて利用同意確認画面を表示させる。ユーザＵは、表示された利用同意確認画面に対して、ステップＳ１００によるメタバース利用登録の対象とされたアバターのアバター履歴情報の利用に同意するか否かを指定する操作（同意・非同意指定操作）を行う。
【0066】
ステップＳ１０８：同意管理サーバ３００において同意管理部３２１は、ユーザ端末１００にて表示された利用同意確認画面に対する操作に応じて同意管理情報を生成し、生成した同意管理情報を、同意管理情報記憶部３３１に記憶させる。このようにして、１のアバターに対応する同意管理情報の登録が行われる。
【0067】
また、ユーザＵは、任意の機会で、登録済みの同意管理情報について、アバター履歴情報の利用についての同意・非同意の設定を変更することができる。この場合、ユーザＵは、ユーザ端末１００を同意管理サーバ３００の利用同意確認画面にアクセスさせ、例えば、変更対象のメタバースプラットフォーム２１とアバターとを指定して、同意・非同意の設定を変更するように同意・非同意指定操作を行うようにされる。同意管理サーバ３００において同意管理部３２１は、同意・非同意指定操作に応じて、同意管理情報記憶部３３１に記憶されている同意管理情報のうち、変更対象のアバターの同意管理情報を更新する。
この際、同意管理部３２１は、同意・非同意指定操作により変更対象のメタバースプラットフォーム２１が指定されている場合には、変更対象のアバターの同意管理情報において、指定されたメタバースプラットフォーム２１のメタバースプラットフォームＩＤに対応付けられている同意設定フラグを変更してよい。
この際、同意管理部３２１は、同意・非同意指定操作により変更対象のメタバースプラットフォーム２１が指定されている場合には、変更対象のアバターの同意管理情報において、指定されたメタバースプラットフォーム２１のメタバースプラットフォームＩＤに対応付けられている同意設定フラグを変更してよい。
【0068】
また、同意管理部３２１は、同意・非同意指定操作により、全てのメタバースプラットフォーム２１に共通に同意または非同意が指定された場合には、変更対象のアバターの同意管理情報において、全てのメタバースプラットフォーム２１のメタバースプラットフォームＩＤに対応付けられている同意設定フラグを変更してよい。
【0069】
図８のシーケンス図を参照して、ユーザ端末１００とメタバース制御装置２００とがアバター履歴情報の更新に関連して実行する処理手順例について説明する。
ステップＳ２００：ユーザＵは、メタバース利用登録済みのメタバースプラットフォーム２１のメタバースにて自分のアバターを行動させるにあたり、ユーザ端末１００を、対象のメタバースプラットフォーム２１のメタバース制御装置２００にアクセスさせる。アクセスに応じて、メタバース制御装置２００は、ユーザＵがメタバース利用登録したアバターを存在させたメタバースをユーザ端末１００に表示させる。ユーザＵは、メタバースにて存在する自分のアバターを操作する。
ステップＳ２００：ユーザＵは、メタバース利用登録済みのメタバースプラットフォーム２１のメタバースにて自分のアバターを行動させるにあたり、ユーザ端末１００を、対象のメタバースプラットフォーム２１のメタバース制御装置２００にアクセスさせる。アクセスに応じて、メタバース制御装置２００は、ユーザＵがメタバース利用登録したアバターを存在させたメタバースをユーザ端末１００に表示させる。ユーザＵは、メタバースにて存在する自分のアバターを操作する。
【0070】
ステップＳ２０２：メタバース制御装置２００においてメタバース制御部２２１は、メタバースにおけるアバターが、ステップＳ２００により行われたユーザＵの操作に応じ他行動をとるように制御する。
【0071】
ステップＳ２０４：メタバース制御部２２１は、ステップＳ２０２によるアバターの行動結果が反映されるように、アバター履歴情報記憶部２３４が記憶するアバター履歴情報のうち、対応のアバターのアバター履歴情報を更新する。
【0072】
図９のシーケンス図を参照して、メタバース制御装置２００、同意管理サーバ３００、学習サーバ４００、及びバージョン管理システム５００が、学習モデル（１次学習モデル、２次学習モデル）の作成に関連して実行する処理手順例について説明する。
【0073】
ステップＳ３００：学習サーバ４００において１次学習モデル提供部４２１は、初期状態の１次学習モデルの提供のため、各メタバースプラットフォーム２１のメタバース制御装置２００に初期状態の１次学習モデルを送信する。
【0074】
ステップＳ３０２：メタバース制御装置２００において１次学習モデル作成部２２３は、ステップＳ３００により送信された初期状態の１次学習モデルを、初期１次学習モデル記憶部４３２に記憶させる。
【0075】
ステップＳ３０４：メタバース制御装置２００においてメタバース制御部２２１は、同意管理サーバ３００の同意管理情報記憶部３３１が記憶する同意管理情報にアクセスする。
【0076】
ステップＳ３０６：メタバース制御部２２１は、ステップＳ３０４によりアクセスした同意管理情報に基づき、対応のメタバースに存在しているアバターのうちで、アバター履歴情報の利用についてユーザＵからの同意が得られているアバター（同意アバター）を特定する。
具体的に、メタバース制御部２２１は、同意管理情報記憶部３３１が記憶する同意管理情報のうちから、自己が制御するメタバースに存在しているアバターのアバターＩＤを格納する同意管理情報を検索する。メタバース制御部２２１は、検索した同意管理情報のうちから、さらに自己が制御するメタバースに対応するメタバースプラットフォームＩＤに対応付けられた同意設定フラグが「同意」を示している同意管理情報を特定する。メタバース制御部２２１は、特定した同意管理情報が格納するアバターＩＤのアバターを、同意アバターとして特定する。
具体的に、メタバース制御部２２１は、同意管理情報記憶部３３１が記憶する同意管理情報のうちから、自己が制御するメタバースに存在しているアバターのアバターＩＤを格納する同意管理情報を検索する。メタバース制御部２２１は、検索した同意管理情報のうちから、さらに自己が制御するメタバースに対応するメタバースプラットフォームＩＤに対応付けられた同意設定フラグが「同意」を示している同意管理情報を特定する。メタバース制御部２２１は、特定した同意管理情報が格納するアバターＩＤのアバターを、同意アバターとして特定する。
【0077】
ステップＳ３０８：メタバース制御装置２００において１次学習モデル作成部２２３は、アバター履歴情報記憶部２３４に記憶されるアバター履歴情報のうち、ステップＳ２０６により特定された同意アバターのアバター履歴情報について、ラベル付与の前処理を行ったうえで、初期状態の１次学習モデルに入力し、学習済みの１次学習モデルを作成する。この際、１次学習モデル作成部２２３は、現在から過去の一定期間までにおけるアバターの行動履歴を示すアバター履歴情報を初期状態の１次学習モデルに入力させることにより１次学習モデルを作成してよい。
【0078】
ステップＳ３１０：１次学習モデル作成部２２３は、作成した学習済みの１次学習モデルのパラメータを学習サーバ４００に送信する。
【0079】
ステップＳ３１２：学習サーバ４００において２次学習モデル作成部４２２は、各メタバースプラットフォーム２１のメタバース制御装置２００から送信される学習済みの１次学習モデルのパラメータを収集する。２次学習モデル作成部４２２は、収集したパラメータを秘密計算し統合した値を１次学習モデルパラメータ記憶部４３３に記憶させる。
【0080】
ステップＳ３１４：２次学習モデル作成部４２２は、ステップＳ３１４により統合されたパラメータを使用して２次学習モデルを作成する。２次学習モデル作成部４２２は、作成した２次学習モデルを２次学習モデル記憶部４３４に記憶させる。
【0081】
ステップＳ３１６：バージョン管理部４２４は、ステップＳ３１４により作成された２次学習モデルに対応するバージョン管理情報を生成し、生成したバージョン管理情報をバージョン管理システム５００に送信する。
【0082】
ステップＳ３１８：バージョン管理システム５００は、ステップＳ３１６により送信されたバージョン管理情報をブロックチェーンに登録する。
【0083】
ステップＳ３２０：学習サーバ４００において２次学習モデル提供部４２３は、２次学習モデルの提供のため、各メタバースプラットフォーム２１のメタバース制御装置２００に２次学習モデルを送信する。メタバース制御装置２００の制御部２０２は、送信された２次学習モデルを２次学習モデル記憶部２３５に記憶させる。
なお、個人情報の漏洩の防止を考慮した場合、２次学習モデル記憶部２３５にて学習サーバ４００を長期間にわたって記憶させておくことが好ましくないとの考え方を取ることができる。そこで、２次学習モデル提供部４２３は、各メタバースプラットフォーム２１に２次学習モデルを送信（配布）した後においては、配布した２次学習モデルをブロックチェーン上に記録、あるいは秘密分散したうえで、２次学習モデルに記憶していた同じ２次学習モデルについては削除するようにしてよい。
なお、個人情報の漏洩の防止を考慮した場合、２次学習モデル記憶部２３５にて学習サーバ４００を長期間にわたって記憶させておくことが好ましくないとの考え方を取ることができる。そこで、２次学習モデル提供部４２３は、各メタバースプラットフォーム２１に２次学習モデルを送信（配布）した後においては、配布した２次学習モデルをブロックチェーン上に記録、あるいは秘密分散したうえで、２次学習モデルに記憶していた同じ２次学習モデルについては削除するようにしてよい。
【0084】
ステップＳ３２２：メタバース制御装置２００において不正検出部２２４は、２次学習モデル記憶部２３５に記憶される２次学習モデルを用いて、メタバースに存在するアバターの不正検出を実行する。この際、不正検出部２２４は、例えば現在から一定期間前の過去におけるアバター履歴情報を２次学習モデルに入力させ、２次学習モデルから出力される不正検出の推定結果を取得するようにされてよい。また、アバター履歴情報に、メタバースに存在するアバターの真正性を示す情報（例えば、アバターに付与された電子透かしやＮＦＴ等の情報）やアバターの身分を証明する身分証明情報等を含めることで、不正検出部２２４は、アバターのなりすましや乗っ取り等の不正を高い精度で検出することが可能となる。
【0085】
本実施形態において、アバターに関する不正の検出結果を示す情報（アバター不正検出情報）の利用の態様については、特に限定されない。例えば、メタバース制御部２２１は、対応のメタバースにて不正が検出されたアバターのメタバース利用登録を抹消し、以降において対応のメタバースへの入場を禁止するように制御してよい。
また、１つのメタバースプラットフォーム２１のメタバースにて得られたアバター不正検出情報は、他のメタバースプラットフォーム２１のメタバース制御装置２００にて共有されるようにしてよい。これにより、他のメタバースにおいても、同じアバターのメタバースへの入場を禁止するように制御することができる。
また、例えば各メタバースプラットフォーム２１のメタバース制御装置２００により得られたアバター不正検出情報は、複数のメタバースプラットフォーム２１において発生するアバターの不正の防止を目的とする機関に提供されるようにしてもよい。機関では、収集したアバター不正検出情報を分析し、分析結果に応じて不正防止対策を決定するようにして利用することができる。
また、１つのメタバースプラットフォーム２１のメタバースにて得られたアバター不正検出情報は、他のメタバースプラットフォーム２１のメタバース制御装置２００にて共有されるようにしてよい。これにより、他のメタバースにおいても、同じアバターのメタバースへの入場を禁止するように制御することができる。
また、例えば各メタバースプラットフォーム２１のメタバース制御装置２００により得られたアバター不正検出情報は、複数のメタバースプラットフォーム２１において発生するアバターの不正の防止を目的とする機関に提供されるようにしてもよい。機関では、収集したアバター不正検出情報を分析し、分析結果に応じて不正防止対策を決定するようにして利用することができる。
【0086】
＜変形例＞
以下、本実施形態の変形例について説明する。
［第１変形例］
メタバース制御装置２００が１次学習モデルの作成とアバターに関する不正検出とに用いるアバター履歴情報には、アバターに対応するユーザＵのプロフィール情報が含められてよい。つまり、本変形例において、１のアバターに対応するアバター履歴情報は、対応のアバターのアバター履歴情報と、当該アバターに対応するユーザＵのプロフィール情報（ユーザ属性情報の一例）とを含む。ユーザＵのプロフィール情報は、メタバース利用登録（ステップＳ１００（図７））に際して、ユーザ端末１００がアバター情報とともにメタバース制御装置２００に登録させるようにしてよい。ユーザＵのプロフィール情報には、ユーザの年齢、性別、体型、経歴等が含まれてよい。さらには、例えばユーザＵの許諾に応じて、ユーザのＳＮＳ（Social Network Service）のアカウントを連携させることにより得られる利用履歴等が含まれてもよい。
本変形例のメタバース制御装置２００においては、１次学習モデル作成部２２３が本変形例のアバター履歴情報を利用して１次学習モデルを作成し、不正検出部２２４が、アバター履歴情報を２次学習モデルに入力させる。これにより、不正検出部２２４による不正検出にあたっては、メタバースでのアバターの行動に加えて、対応のユーザＵのプロフィール情報を特徴量とした機械学習が可能になるため、アバターに関する不正の検出精度を向上することが可能となる。
以下、本実施形態の変形例について説明する。
［第１変形例］
メタバース制御装置２００が１次学習モデルの作成とアバターに関する不正検出とに用いるアバター履歴情報には、アバターに対応するユーザＵのプロフィール情報が含められてよい。つまり、本変形例において、１のアバターに対応するアバター履歴情報は、対応のアバターのアバター履歴情報と、当該アバターに対応するユーザＵのプロフィール情報（ユーザ属性情報の一例）とを含む。ユーザＵのプロフィール情報は、メタバース利用登録（ステップＳ１００（図７））に際して、ユーザ端末１００がアバター情報とともにメタバース制御装置２００に登録させるようにしてよい。ユーザＵのプロフィール情報には、ユーザの年齢、性別、体型、経歴等が含まれてよい。さらには、例えばユーザＵの許諾に応じて、ユーザのＳＮＳ（Social Network Service）のアカウントを連携させることにより得られる利用履歴等が含まれてもよい。
本変形例のメタバース制御装置２００においては、１次学習モデル作成部２２３が本変形例のアバター履歴情報を利用して１次学習モデルを作成し、不正検出部２２４が、アバター履歴情報を２次学習モデルに入力させる。これにより、不正検出部２２４による不正検出にあたっては、メタバースでのアバターの行動に加えて、対応のユーザＵのプロフィール情報を特徴量とした機械学習が可能になるため、アバターに関する不正の検出精度を向上することが可能となる。
【0087】
［第２変形例］
上記実施形態においては、複数のメタバースプラットフォーム２１のメタバース制御装置２００のそれぞれに共通の２次学習モデルを提供するようにされていた。
これに対して、本変形例では、例えば学習サーバ４００が、複数のメタバースプラットフォーム２１のそれぞれを複数のグループのいずれかに含めるようにグループ分けをする。グループ分けの基準は、例えばメタバース環境やユーザ層の傾向等に基づいて行われてよい。グループ分けに際しては、複数のグループにおいて同じメタバースプラットフォーム２１が含まれる場合があってもよい。
本変形例において、学習サーバ４００は、複数のメタバースプラットフォーム２１の各メタバース制御装置２００に同じ初期状態の１次学習モデルを提供し、各メタバース制御装置２００から送信される学習済みの１次学習モデルのパラメータを収集してよい。
そのうえで、本変形例の学習サーバ４００の２次学習モデル作成部４２２は、グループごとのメタバースプラットフォーム２１の集合に対応させるようにして、収集した１次学習モデルのパラメータについてもグループ分けを行う。２次学習モデル作成部４２２は、パラメータのグループごとに２次学習モデルを作成する。
このようにして、本変形例では、メタバースプラットフォーム２１のグループごとに対応して２次学習モデルが得られる。２次学習モデル提供部４２３は、作成した２次学習モデルを、それぞれ対応のグループに属するメタバースプラットフォーム２１のメタバース制御装置２００に送信するようにされる。
このような構成であれば、例えば、多数のメタバースプラットフォーム２１のそれぞれが提供するメタバースが有する環境やユーザ層等の傾向に応じて、高い精度でアバターに関する不正を検出することが可能となる。
上記実施形態においては、複数のメタバースプラットフォーム２１のメタバース制御装置２００のそれぞれに共通の２次学習モデルを提供するようにされていた。
これに対して、本変形例では、例えば学習サーバ４００が、複数のメタバースプラットフォーム２１のそれぞれを複数のグループのいずれかに含めるようにグループ分けをする。グループ分けの基準は、例えばメタバース環境やユーザ層の傾向等に基づいて行われてよい。グループ分けに際しては、複数のグループにおいて同じメタバースプラットフォーム２１が含まれる場合があってもよい。
本変形例において、学習サーバ４００は、複数のメタバースプラットフォーム２１の各メタバース制御装置２００に同じ初期状態の１次学習モデルを提供し、各メタバース制御装置２００から送信される学習済みの１次学習モデルのパラメータを収集してよい。
そのうえで、本変形例の学習サーバ４００の２次学習モデル作成部４２２は、グループごとのメタバースプラットフォーム２１の集合に対応させるようにして、収集した１次学習モデルのパラメータについてもグループ分けを行う。２次学習モデル作成部４２２は、パラメータのグループごとに２次学習モデルを作成する。
このようにして、本変形例では、メタバースプラットフォーム２１のグループごとに対応して２次学習モデルが得られる。２次学習モデル提供部４２３は、作成した２次学習モデルを、それぞれ対応のグループに属するメタバースプラットフォーム２１のメタバース制御装置２００に送信するようにされる。
このような構成であれば、例えば、多数のメタバースプラットフォーム２１のそれぞれが提供するメタバースが有する環境やユーザ層等の傾向に応じて、高い精度でアバターに関する不正を検出することが可能となる。
【0088】
また、学習サーバ４００が、取得した複数の１次学習モデルのパラメータを統合する前の段階にて、学習サーバ４００が有するテストデータを用いて推論を行い、推論結果の類似性に基づいて、１次学習モデルのパラメータをいくつかにクラスタリング（グループ分け）してもよい。そのうえで、同じクラスタにおける１次学習モデルごとのパラメータを利用して相互学習を実行させることで、クラスタごとに２次学習モデルを作成してよい。
【0089】
［第３変形例］
例えば、或るメタバースに対応するメタバース制御装置２００が、以前の所定バージョンの２次学習モデルを用いていたときには不正検出の精度が高かったのであるが、その後に更新された新しいバージョンの２次学習モデルを用いたところ、不正検出の精度が低くなった、といった結果が生じる場合がある。このような場合、メタバース制御装置２００としては、最新のバージョン２次学習モデルよりも、以前の所定バージョンの２次学習モデルを不正検出に用いたほうが好ましい。
そこで、本変形例では、メタバース制御装置２００の不正検出部２２４が、不正検出に利用する２次学習モデルのバージョンを指定可能とされてよい。
例えば、或るメタバースに対応するメタバース制御装置２００が、以前の所定バージョンの２次学習モデルを用いていたときには不正検出の精度が高かったのであるが、その後に更新された新しいバージョンの２次学習モデルを用いたところ、不正検出の精度が低くなった、といった結果が生じる場合がある。このような場合、メタバース制御装置２００としては、最新のバージョン２次学習モデルよりも、以前の所定バージョンの２次学習モデルを不正検出に用いたほうが好ましい。
そこで、本変形例では、メタバース制御装置２００の不正検出部２２４が、不正検出に利用する２次学習モデルのバージョンを指定可能とされてよい。
【0090】
本変形例において、不正検出部２２４は、不正検出に利用する２次学習モデルのバージョンを指定するバージョン指定情報を学習サーバ４００に送信する。学習サーバ４００は、受信したバージョン指定情報を、例えば対応のメタバースプラットフォーム２１のプラットフォーム情報に格納するようにしてプラットフォーム情報記憶部４３１に記憶させて良い。
学習サーバ４００の２次学習モデル提供部４２３は、２次学習モデルを提供するにあたり、提供先のメタバースプラットフォーム２１に対応付けられているバージョン指定情報が指定するバージョンの２次学習モデルを送信するようにされる。
各バージョンの２次学習モデルを２次学習モデル記憶部４３４に記憶させている場合には、２次学習モデル提供部４２３は、バージョン指定情報が指定するバージョンの２次学習モデルを２次学習モデル記憶部４３４から取得し、取得した２次学習モデルを送信してよい。
あるいは、２次学習モデル記憶部４３４にてバージョン指定情報が指定するバージョンの２次学習モデルが２次学習モデル記憶部４３４から既に削除されている場合、２次学習モデル提供部４２３は、指定されたバージョンの２次学習モデルを、バージョン管理システム５００経由でブロックチェーンから復元し、復元により得られた２次学習モデルを送信してよい。
また、上記のような２次学習モデルの復元は、対応のメタバースプラットフォーム２１におけるメタバース制御装置２００（あるいはメタバース制御装置２００以外の装置でもよい）が学習サーバ４００を介することなく直接的に行えるようにされてよい。この場合、メタバース制御装置２００は、バージョン管理システム５００にネットワーク経由でアクセス可能なようにされたうえで、バージョン管理システム５００経由でブロックチェーンから所望のバージョンの２次学習モデルを復元するようにしてよい。
学習サーバ４００の２次学習モデル提供部４２３は、２次学習モデルを提供するにあたり、提供先のメタバースプラットフォーム２１に対応付けられているバージョン指定情報が指定するバージョンの２次学習モデルを送信するようにされる。
各バージョンの２次学習モデルを２次学習モデル記憶部４３４に記憶させている場合には、２次学習モデル提供部４２３は、バージョン指定情報が指定するバージョンの２次学習モデルを２次学習モデル記憶部４３４から取得し、取得した２次学習モデルを送信してよい。
あるいは、２次学習モデル記憶部４３４にてバージョン指定情報が指定するバージョンの２次学習モデルが２次学習モデル記憶部４３４から既に削除されている場合、２次学習モデル提供部４２３は、指定されたバージョンの２次学習モデルを、バージョン管理システム５００経由でブロックチェーンから復元し、復元により得られた２次学習モデルを送信してよい。
また、上記のような２次学習モデルの復元は、対応のメタバースプラットフォーム２１におけるメタバース制御装置２００（あるいはメタバース制御装置２００以外の装置でもよい）が学習サーバ４００を介することなく直接的に行えるようにされてよい。この場合、メタバース制御装置２００は、バージョン管理システム５００にネットワーク経由でアクセス可能なようにされたうえで、バージョン管理システム５００経由でブロックチェーンから所望のバージョンの２次学習モデルを復元するようにしてよい。
【0091】
［第４変形例］
上記実施形態においては、学習サーバ４００が作成した２次学習モデルを各メタバース制御装置２００に提供し、メタバース制御装置２００が、提供された２次学習モデルを利用して不正検出を行うようにしている。
本変形例では、メタバース制御装置２００の不正検出部２２４が、メタバース内のアバターの行動に応じて生成したアバター履歴情報を、学習サーバ４００に送信する。学習サーバ４００の不正検出部は、送信されたアバター履歴情報を２次学習モデルに入力して不正に関する検出結果を出力させ、出力された検出結果をメタバース制御装置２００に送信する。メタバース制御装置２００の不正検出部２２４は、受信した検出結果を取得することによりアバターに関連する不正の検出を行ってよい。
上記実施形態においては、学習サーバ４００が作成した２次学習モデルを各メタバース制御装置２００に提供し、メタバース制御装置２００が、提供された２次学習モデルを利用して不正検出を行うようにしている。
本変形例では、メタバース制御装置２００の不正検出部２２４が、メタバース内のアバターの行動に応じて生成したアバター履歴情報を、学習サーバ４００に送信する。学習サーバ４００の不正検出部は、送信されたアバター履歴情報を２次学習モデルに入力して不正に関する検出結果を出力させ、出力された検出結果をメタバース制御装置２００に送信する。メタバース制御装置２００の不正検出部２２４は、受信した検出結果を取得することによりアバターに関連する不正の検出を行ってよい。
【0092】
［第５変形例］
学習サーバ４００に代えて、メタバースプラットフォーム２１同士がＰ２Ｐ（Peer to Peer）により相互に通信を行う環境のもとで、非中央集権的に連合学習を行うことで、２次学習モデルが作成されるようにしてよい。
管理者は、連合学習の参加者としての複数のメタバースプラットフォーム２１のそれぞれに１次学習モデルを提供する。複数のメタバースプラットフォーム２１、それぞれ、ローカルデータを用いて、１次学習モデルを更新し、学習済みパラメータを取得する。複数のメタバースプラットフォーム２１のそれぞれは、学習済みパラメータを暗号化し、暗号化した学習済みパラメータを、ブロックチェーンにてマイニングを行うマイナーに送信する。
マイナーは、ランダムに受け取った学習済みパラメータを交換し、学習済みパラメータを相互に検証する。検証は、具体的に、過去に問題行動をした参加者のものではないか、学習済みパラメータがテストデータを使って設定した閾値から一定以上に乖離していないか、学習済みパラメータが対応する参加者（メタバースプラットフォーム２１）の他参加者からの評価等として行われる。検証の結果が異常であった場合には、対象の学習済みパラメータは排除される。検証の結果が正常であった場合、マイナーから参加者に対して、その貢献度に応じて報酬が支払われてよい。マイナーは受け取った学習済みパラメータを記録するためのブロックをＰｏｗ（Proof of Work）などのコンセンサスアルゴリズムによって生成し、成功したマイナーはその報酬を受け取ってよい。生成されたブロックは他ノードに伝搬される。学習済みパラメータを受け取ったノードは、取引を検証し、成功したのであれば、受け取った学習済みパラメータをブロックチェーンに追加する。このような手順により、参加者としての各メタバースプラットフォーム２１から学習済みパラメータを集約することができる。
各メタバースプラットフォーム２１は、集約された学習済みパラメータをダウンロードにより取得する。各メタバースプラットフォーム２１は、取得した学習済みパラメータを秘密計算により統合し、２次学習モデルを作成する。このような２次学習モデル作成の手順は複数回繰り返されることで、２次学習モデルの精度を高めることができる。
学習サーバ４００に代えて、メタバースプラットフォーム２１同士がＰ２Ｐ（Peer to Peer）により相互に通信を行う環境のもとで、非中央集権的に連合学習を行うことで、２次学習モデルが作成されるようにしてよい。
管理者は、連合学習の参加者としての複数のメタバースプラットフォーム２１のそれぞれに１次学習モデルを提供する。複数のメタバースプラットフォーム２１、それぞれ、ローカルデータを用いて、１次学習モデルを更新し、学習済みパラメータを取得する。複数のメタバースプラットフォーム２１のそれぞれは、学習済みパラメータを暗号化し、暗号化した学習済みパラメータを、ブロックチェーンにてマイニングを行うマイナーに送信する。
マイナーは、ランダムに受け取った学習済みパラメータを交換し、学習済みパラメータを相互に検証する。検証は、具体的に、過去に問題行動をした参加者のものではないか、学習済みパラメータがテストデータを使って設定した閾値から一定以上に乖離していないか、学習済みパラメータが対応する参加者（メタバースプラットフォーム２１）の他参加者からの評価等として行われる。検証の結果が異常であった場合には、対象の学習済みパラメータは排除される。検証の結果が正常であった場合、マイナーから参加者に対して、その貢献度に応じて報酬が支払われてよい。マイナーは受け取った学習済みパラメータを記録するためのブロックをＰｏｗ（Proof of Work）などのコンセンサスアルゴリズムによって生成し、成功したマイナーはその報酬を受け取ってよい。生成されたブロックは他ノードに伝搬される。学習済みパラメータを受け取ったノードは、取引を検証し、成功したのであれば、受け取った学習済みパラメータをブロックチェーンに追加する。このような手順により、参加者としての各メタバースプラットフォーム２１から学習済みパラメータを集約することができる。
各メタバースプラットフォーム２１は、集約された学習済みパラメータをダウンロードにより取得する。各メタバースプラットフォーム２１は、取得した学習済みパラメータを秘密計算により統合し、２次学習モデルを作成する。このような２次学習モデル作成の手順は複数回繰り返されることで、２次学習モデルの精度を高めることができる。
【0093】
［第６変形例］
上記実施形態において、メタバース制御装置２００における１次学習モデル作成部２２３と、学習サーバ４００における２次学習モデル作成部４２２は、それぞれ、量子コンピューティングに対応する１次学習モデルと２次学習モデルの作成を行うことが可能とされている。
本変形例では、量子コンピューティングに対応可能なメタバース制御装置２００と、量子コンピューティングに対応不可で古典コンピューティングに対応するメタバース制御装置２００とが混在してよい。
この場合、学習サーバ４００は、量子コンピューティングに対応可能なメタバース制御装置２００には、量子機械学習に対応する初期状態の１次学習モデルと２次学習モデルとを送信する。一方、学習サーバ４００は、量子コンピューティングに対応不可で古典コンピューティングに対応するメタバース制御装置２００には、古典機械学習に対応する初期状態の１次学習モデルを送信する。
また、学習サーバ４００の２次学習モデル作成部４２２は、量子機械学習により得られた１次学習モデルのパラメータを統合した量子機械学習による２次学習モデルと、古典機械学習により得られた１次学習モデルのパラメータを統合した古典機械学習による２次学習モデルを作成するようにされる。
学習サーバ４００の２次学習モデル提供部４２３は、量子コンピューティングに対応可能なメタバース制御装置２００には、量子機械学習による２次学習モデルを送信し、量子コンピューティングに対応不可で古典コンピューティング対応するメタバース制御装置２００には古典機械学習による２次学習モデルを送信する。
上記実施形態において、メタバース制御装置２００における１次学習モデル作成部２２３と、学習サーバ４００における２次学習モデル作成部４２２は、それぞれ、量子コンピューティングに対応する１次学習モデルと２次学習モデルの作成を行うことが可能とされている。
本変形例では、量子コンピューティングに対応可能なメタバース制御装置２００と、量子コンピューティングに対応不可で古典コンピューティングに対応するメタバース制御装置２００とが混在してよい。
この場合、学習サーバ４００は、量子コンピューティングに対応可能なメタバース制御装置２００には、量子機械学習に対応する初期状態の１次学習モデルと２次学習モデルとを送信する。一方、学習サーバ４００は、量子コンピューティングに対応不可で古典コンピューティングに対応するメタバース制御装置２００には、古典機械学習に対応する初期状態の１次学習モデルを送信する。
また、学習サーバ４００の２次学習モデル作成部４２２は、量子機械学習により得られた１次学習モデルのパラメータを統合した量子機械学習による２次学習モデルと、古典機械学習により得られた１次学習モデルのパラメータを統合した古典機械学習による２次学習モデルを作成するようにされる。
学習サーバ４００の２次学習モデル提供部４２３は、量子コンピューティングに対応可能なメタバース制御装置２００には、量子機械学習による２次学習モデルを送信し、量子コンピューティングに対応不可で古典コンピューティング対応するメタバース制御装置２００には古典機械学習による２次学習モデルを送信する。
【0094】
なお、上述のユーザ端末１００、メタバース制御装置２００、同意管理サーバ３００、学習サーバ４００、及びバージョン管理システム５００等としての機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述のユーザ端末１００、メタバース制御装置２００、同意管理サーバ３００、学習サーバ４００、及びバージョン管理システム５００等としての処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク、ＳＳＤ（Solid State Drive）等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ－ＲＯＭ等の非一過性の記録媒体であってもよい。また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部または外部に設けられた記録媒体も含まれる。配信サーバの記録媒体に記憶されるプログラムのコードは、端末装置で実行可能な形式のプログラムのコードと異なるものでもよい。すなわち、配信サーバからダウンロードされて端末装置で実行可能な形でインストールができるものであれば、配信サーバで記憶される形式は問わない。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に端末装置で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
【符号の説明】
【0095】
１０ ユーザインターフェース環境、２０ メタバース提供環境、２１ メタバースプラットフォーム、１００ ユーザ端末、２００ メタバース制御装置、３００ 同意管理サーバ、４００ 学習サーバ、５００ バージョン管理システム
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】