知財求人 - 知財ポータルサイト「IP Force」
▶ 日本電気株式会社の特許一覧 ▶ 国立大学法人 筑波大学の特許一覧
特開2025-44646秘匿化装置、推定装置、表示装置、推定システム、秘匿化方法、推定方法およびプログラム
(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】P2025044646
(43)【公開日】2025-04-02
(54)【発明の名称】秘匿化装置、推定装置、表示装置、推定システム、秘匿化方法、推定方法およびプログラム
(51)【国際特許分類】
G06F 40/151 20200101AFI20250326BHJP
G06F 40/56 20200101ALI20250326BHJP
G06F 40/279 20200101ALI20250326BHJP
G06F 16/90 20190101ALI20250326BHJP
【ＦＩ】
G06F40/151
G06F40/56
G06F40/279
G06F16/90 100
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2023152346
(22)【出願日】2023-09-20
(71)【出願人】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(71)【出願人】
【識別番号】504171134
【氏名又は名称】国立大学法人 筑波大学
(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】100181135
【弁理士】
【氏名又は名称】橋本 隆史
(72)【発明者】
【氏名】柿崎 和也
(72)【発明者】
【氏名】森 隼基
(72)【発明者】
【氏名】寺西 勇
(72)【発明者】
【氏名】荒木 俊則
(72)【発明者】
【氏名】佐久間 淳
【テーマコード（参考）】
5B109
5B175
【Ｆターム（参考）】
5B109QA12
5B109QB14
5B109TA11
5B175EA01
5B175GC02
(57)【要約】
【課題】文字列の入力に対して文字列による応答を出力するシステムに対する入力文字列を、秘匿化の対象となっている情報が秘匿化された文字列にできるようにする。
【解決手段】秘匿化装置が、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、を備える。
【選択図】図２
【解決手段】秘匿化装置が、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、を備える。
【選択図】図２
【特許請求の範囲】
【請求項1】
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、
を備える秘匿化装置。
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、
を備える秘匿化装置。
【請求項2】
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段
を備える推定装置。
を備える推定装置。
【請求項3】
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示する表示手段
を備える表示装置。
を備える表示装置。
【請求項4】
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示する表示手段
を備える表示装置。
を備える表示装置。
【請求項5】
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段と、
を備える推定システム。
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段と、
を備える推定システム。
【請求項6】
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する、
ことを含む秘匿化方法。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する、
ことを含む秘匿化方法。
【請求項7】
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する
ことを含む推定方法。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する
ことを含む推定方法。
【請求項8】
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する、
ことを含む推定方法。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する、
ことを含む推定方法。
【請求項9】
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成することと、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力することと、
を実行させるプログラム。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成することと、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力することと、
を実行させるプログラム。
【請求項10】
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する
ことを実行させるプログラム。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する
ことを実行させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、秘匿化装置、推定装置、表示装置、推定システム、秘匿化方法、推定方法およびプログラムに関する。
【背景技術】
【0002】
大規模言語モデルなど、文字列の入力に対して文字列による応答を出力するシステムが用いられる場合がある。
例えば、特許文献１には、大規模言語モデルに入力可能な文字数制限を超えない文字数で、大規模言語モデルに入力するためのプロンプトを生成する文章生成装置が記載されている。
例えば、特許文献１には、大規模言語モデルに入力可能な文字数制限を超えない文字数で、大規模言語モデルに入力するためのプロンプトを生成する文章生成装置が記載されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特許第７３１３７５７号
【発明の概要】
【発明が解決しようとする課題】
【0004】
文字列の入力に対して文字列による応答を出力するシステムに対する入力文字列を、秘匿化の対象となっている情報が秘匿化された文字列とすることができることが好ましい。
【0005】
本発明の目的の一例は、上述の課題を解決することのできる秘匿化装置、推定装置、表示装置、推定システム、秘匿化方法、推定方法およびプログラムを提供することである。
【課題を解決するための手段】
【0006】
本発明の第１の態様によれば、秘匿化装置は、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、を備える。
【0007】
本発明の第２の態様によれば、推定装置は、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段を備える。
【0008】
本発明の第３の態様によれば、表示装置は、第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示する表示手段を備える。
【0009】
本発明の第４の態様によれば、表示装置は、第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示する表示手段を備える。
【0010】
本発明の第５の態様によれば、推定システムは、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段と、を備える。
【0011】
本発明の第６の態様によれば、秘匿化方法は、コンピュータが、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する、ことを含む。
【0012】
本発明の第７の態様によれば、推定方法は、コンピュータが、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定することを含む。
【0013】
本発明の第８の態様によれば、推定方法は、コンピュータが、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する、ことを含む。
【0014】
本発明の第９の態様によれば、プログラムは、コンピュータに、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成することと、前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力することと、を実行させるプログラムである。
【0015】
本発明の第１０の態様によれば、プログラムは、コンピュータに、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定することを実行させるプログラムである。
【発明の効果】
【0016】
本発明によれば、文字列の入力に対して文字列による応答を出力するシステムに対する入力文字列を、秘匿化の対象となっている情報が秘匿化された文字列とすることができる。
【図面の簡単な説明】
【0017】
【図1】少なくとも１つの実施形態に係るシステムの構成の例を示す図である。
【図2】少なくとも１つの実施形態に係る推定システムが行う処理の手順の例を示す図である。
【図3】少なくとも１つの実施形態に係る秘匿化装置の構成の例を示す図である。
【図4】少なくとも１つの実施形態に係る推定装置の構成の例を示す図である。
【図5】少なくとも１つの実施形態に係る推定システムが、文字列の置き換えによって理想応答を推定する場合の、データの入出力の例を示す図である。
【図6】少なくとも１つの実施形態に係る推定部が備えるニューラルネットワークの訓練を行う場合の、学習システムの構成の例を示す図である。
【図7】少なくとも１つの実施形態に係る学習制御装置の構成の例を示す図である。
【図8】少なくとも１つの実施形態に係る推定部が備えるニューラルネットワークの訓練を行う際の、学習システムにおけるデータの入出力の例を示す図である。
【図9】少なくとも１つの実施形態に係る推定部が理想応答の推定を行う場合の、推定システムにおけるデータの入出力の例を示す図である。
【図10】少なくとも１つの実施形態に係る応答装置に対する追加学習を行う場合の、学習システムの構成の例を示す図である。
【図11】少なくとも１つの実施形態に係る応答装置に対する追加学習を行う場合の、学習システムにおけるデータの入出力の例を示す図である。
【図12】少なくとも１つの実施形態に係る秘匿化装置の構成の、もう１つの例を示す図である。
【図13】少なくとも１つの実施形態に係る推定装置の構成の、もう１つの例を示す図である。
【図14】少なくとも１つの実施形態に係る表示装置の構成の例を示す図である。
【図15】少なくとも１つの実施形態に係る表示装置の構成の、もう１つの例を示す図である。
【図16】少なくとも１つの実施形態に係る推定システムの構成の例を示す図である。
【図17】少なくとも１つの実施形態に係る秘匿化方法における処理の手順の例を示す図である。
【図18】少なくとも１つの実施形態に係る推定方法における処理の手順の例を示す図である。
【図19】少なくとも１つの実施形態に係る推定方法における処理の手順の、もう１つの例を示す図である。
【図20】少なくとも１つの実施形態に係るコンピュータの構成の例を示す図である。
【発明を実施するための形態】
【0018】
以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
以下では、マクロン（Macron）を付された文字を、その文字の後に上付きの「－」を付して示す場合がある。例えば、マクロンを付されたｆをｆ－とも表記する。
以下では、マクロン（Macron）を付された文字を、その文字の後に上付きの「－」を付して示す場合がある。例えば、マクロンを付されたｆをｆ－とも表記する。
【0019】
＜第一実施形態＞
図１は、少なくとも１つの実施形態に係るシステムの構成の例を示す図である。図１に示す構成で、推定システム１は、秘匿化装置１００と、推定装置２００とを備える。
また、図１には、応答装置９１０が示されている。
図１は、少なくとも１つの実施形態に係るシステムの構成の例を示す図である。図１に示す構成で、推定システム１は、秘匿化装置１００と、推定装置２００とを備える。
また、図１には、応答装置９１０が示されている。
【0020】
応答装置９１０が、推定システム１の一部として構成されていてもよいし、推定システム１の外部の構成となっていてもよい。
また、秘匿化装置１００と、推定装置２００と、応答装置９１０と、またはこれらのうち何れか１つが、一体的に構成されていてもよい。例えば、秘匿化装置１００と推定装置２００とが１つの装置として構成されていてもよい。
また、秘匿化装置１００と、推定装置２００と、応答装置９１０と、またはこれらのうち何れか１つが、一体的に構成されていてもよい。例えば、秘匿化装置１００と推定装置２００とが１つの装置として構成されていてもよい。
【0021】
応答装置９１０は、文字列の入力を受けて文字列を出力する。応答装置９１０は、文字列の入力に対して文字列による応答を出力するシステムの例に該当する。
応答装置９１０に入力される文字列、または、応答装置９１０に入力される文字列の元となる文字列をプロンプトとも称する。ここでいう、応答装置９１０に入力される文字列の元となる文字列は、文字列に対してある処理が行われ、処理後の文字列が応答装置９１０に入力される場合の、処理が行われる前の文字列である。
応答装置９１０が出力する文字列を、応答とも称する。
応答装置９１０が、コンピュータを用いて構成されていてもよい。
応答装置９１０に入力される文字列、または、応答装置９１０に入力される文字列の元となる文字列をプロンプトとも称する。ここでいう、応答装置９１０に入力される文字列の元となる文字列は、文字列に対してある処理が行われ、処理後の文字列が応答装置９１０に入力される場合の、処理が行われる前の文字列である。
応答装置９１０が出力する文字列を、応答とも称する。
応答装置９１０が、コンピュータを用いて構成されていてもよい。
【0022】
応答装置９１０が、大規模言語モデル（Large Language Model；ＬＬＭ）として構成されていてもよい。大規模言語モデルは、言語モデルの一種である。
例えば、応答装置９１０が、自然言語による問合せの入力に対して、自然言語による回答を出力するように構成されていてもよい。また、応答装置９１０が、自然言語による文章の入力を受けて、その文章に示されている感情を回答するなど、応答装置９１０への入力が、問合せの形式になっていなくてもよい。また、応答装置９１０が、プログラム（ソースコード）を出力するなど、応答装置９１０への入力、または、応答装置９１０の出力、あるいはそれら両方が、自然言語による文字列に限定されていなくてもよい。
例えば、応答装置９１０が、自然言語による問合せの入力に対して、自然言語による回答を出力するように構成されていてもよい。また、応答装置９１０が、自然言語による文章の入力を受けて、その文章に示されている感情を回答するなど、応答装置９１０への入力が、問合せの形式になっていなくてもよい。また、応答装置９１０が、プログラム（ソースコード）を出力するなど、応答装置９１０への入力、または、応答装置９１０の出力、あるいはそれら両方が、自然言語による文字列に限定されていなくてもよい。
【0023】
ただし、応答装置９１０は、大規模言語モデルとして構成されているものに限定されない。文字列の入力を受けて文字列を出力し、かつ、入力される文字列に秘匿化の対象となっている部分文字列が含まれ得るいろいろなものを、応答装置９１０として用いることができる。
【0024】
秘匿化装置１００は、プロンプトに対する秘匿化を行う。具体的には、秘匿化装置１００は、プロンプトのうち秘匿化の対象となっている部分文字列を検出し、検出した部分文字列を他の部分文字列に置き換える。そして、秘匿化装置１００は、置き換え後のプロンプトを応答装置９１０に入力する。
秘匿化装置１００が、コンピュータを用いて構成されていてもよい。
秘匿化装置１００が、コンピュータを用いて構成されていてもよい。
【0025】
置き換え後のプロンプト（秘匿化の対象として検出された部分文字列が、他の部分文字列に置き換えられたプロンプト）を、秘匿化されたプロンプトとも称する。秘匿化されたプロンプトは、第二文字列の例に該当する。秘匿化されたプロンプトは、第六文字列の例にも該当する。
置き換え前のプロンプト（秘匿化の対象となっている部分文字列の置き換えが行われる前のプロンプト）を、秘匿化されていないプロンプトとも称する。秘匿化されていないプロンプトは、第一文字列の例に該当する。秘匿化されていないプロンプトは、第五文字列の例にも該当する。
置き換え前のプロンプト（秘匿化の対象となっている部分文字列の置き換えが行われる前のプロンプト）を、秘匿化されていないプロンプトとも称する。秘匿化されていないプロンプトは、第一文字列の例に該当する。秘匿化されていないプロンプトは、第五文字列の例にも該当する。
【0026】
推定装置２００は、秘匿化されたプロンプトに対する応答装置９１０の応答に基づいて、秘匿化されていないプロンプトに対する応答装置９１０の応答を推定する。
推定装置２００が、コンピュータを用いて構成されていてもよい。
秘匿化されたプロンプトに対する応答装置９１０の応答は、第三文字列の例に該当する。秘匿化されたプロンプトに対する応答装置９１０の応答は、第七文字列の例にも該当する。
秘匿化されていないプロンプトに対する応答装置９１０の応答は、第四文字列の例に該当する。秘匿化されていないプロンプトに対する応答装置９１０の応答は、第八文字列の例にも該当する。
推定装置２００が、コンピュータを用いて構成されていてもよい。
秘匿化されたプロンプトに対する応答装置９１０の応答は、第三文字列の例に該当する。秘匿化されたプロンプトに対する応答装置９１０の応答は、第七文字列の例にも該当する。
秘匿化されていないプロンプトに対する応答装置９１０の応答は、第四文字列の例に該当する。秘匿化されていないプロンプトに対する応答装置９１０の応答は、第八文字列の例にも該当する。
【0027】
図２は、推定システム１が行う処理の手順の例を示す図である。
図２の処理で、秘匿化装置１００は、プロンプトを取得する（ステップＳ１０１）。秘匿化装置１００がステップＳ１０１で取得するプロンプトは、秘匿化されていないプロンプトに該当する。
図２の処理で、秘匿化装置１００は、プロンプトを取得する（ステップＳ１０１）。秘匿化装置１００がステップＳ１０１で取得するプロンプトは、秘匿化されていないプロンプトに該当する。
【0028】
次に、秘匿化装置１００は、ステップＳ１０１で取得したプロンプトのうち、秘匿化の対象となっている部分文字列を他の部分文字列に置き換える（ステップＳ１０２）。具体的には、秘匿化装置１００は、ステップＳ１０１で取得したプロンプトのうち、秘匿化の対象として指定されている文字列に該当する部分文字列を検出する。そして、秘匿化装置１００は、検出した部分文字列を、他の部分文字列に置き換える。
そして、秘匿化装置１００は、秘匿化されたプロンプトを応答装置９１０へ送信する（ステップＳ１０３）。
そして、秘匿化装置１００は、秘匿化されたプロンプトを応答装置９１０へ送信する（ステップＳ１０３）。
【0029】
秘匿化装置１００からの秘匿化されたプロンプトを受信した応答装置９１０は、受信した、秘匿化されたプロンプトに対する応答を生成する（ステップＳ１１１）。
そして、応答装置９１０は、生成した応答を、推定装置２００へ送信する（ステップＳ１１２）。応答装置９１０がステップＳ１１２で送信する応答は、秘匿化されたプロンプトに対する応答に該当する。
そして、応答装置９１０は、生成した応答を、推定装置２００へ送信する（ステップＳ１１２）。応答装置９１０がステップＳ１１２で送信する応答は、秘匿化されたプロンプトに対する応答に該当する。
【0030】
応答装置９１０からの応答を受信した推定装置２００は、受信した応答に基づいて、秘匿化されていないプロンプトに対する応答を推定する（ステップＳ１２１）。
そして、推定装置２００は、推定した、秘匿化されていないプロンプトに対する応答を出力する（ステップＳ１２２）。推定された応答を、応答の推定値とも称する。
そして、推定装置２００は、推定した、秘匿化されていないプロンプトに対する応答を出力する（ステップＳ１２２）。推定された応答を、応答の推定値とも称する。
【0031】
図３は、秘匿化装置１００の構成の例を示す図である。図３に示す構成で、秘匿化装置１００は、第一通信部１１０と、第一表示部１２０と、第一操作入力部１３０と、第一記憶部１８０と、第一制御部１９０とを備える。第一制御部１９０は、プロンプト取得部１９１と、秘匿化部１９２と、秘匿化プロンプト発行部１９３とを備える。
【0032】
第一通信部１１０は、第一制御部１９０による制御に従って、他の装置と通信を行う。例えば、第一通信部１１０が、秘匿化されたプロンプトを応答装置９１０へ送信するようにしてもよい。
第一表示部１２０は、例えば液晶パネルまたはＬＥＤ（Light Emitting Diode、発光ダイオード）パネル等の表示画面を備え、第一制御部１９０による制御に従って、各種画像を表示する。例えば、第一表示部１２０が、秘匿化されていないプロンプトおよび秘匿化されたプロンプトを表示するようにしてもよい。
第一表示部は、表示手段の例に該当する。秘匿化装置１００は、第一表示部１２０を備えている点で、表示装置の例に該当する。
第一表示部１２０は、例えば液晶パネルまたはＬＥＤ（Light Emitting Diode、発光ダイオード）パネル等の表示画面を備え、第一制御部１９０による制御に従って、各種画像を表示する。例えば、第一表示部１２０が、秘匿化されていないプロンプトおよび秘匿化されたプロンプトを表示するようにしてもよい。
第一表示部は、表示手段の例に該当する。秘匿化装置１００は、第一表示部１２０を備えている点で、表示装置の例に該当する。
【0033】
第一操作入力部１３０は、例えばキーボードおよびマウス等の入力デバイスを備え、ユーザ操作を受け付ける。例えば、第一操作入力部１３０が、プロンプトを入力するユーザ操作を受け付けるようにしてもよい。ここでのプロンプトは、秘匿化されていないプロンプトに該当する。
【0034】
第一記憶部１８０は、各種データを記憶する。第一記憶部１８０は、秘匿化装置１００が備える記憶デバイスを用いて構成される。
例えば、第一記憶部１８０が、秘匿化の対象となっている部分文字列を検出するためのデータを記憶していてもよい。
例えば、第一記憶部１８０が、秘匿化の対象となっている部分文字列を検出するためのデータを記憶していてもよい。
【0035】
第一記憶部１８０が、秘匿化の対象となっている部分文字列を検出するためのデータとして、秘匿化の対象の部分文字列として検出すべき文字列のリストを記憶しておくようにしてもよい。秘匿化の対象の部分文字列として検出すべき文字列を、置き換え元の文字列とも称する。
【0036】
あるいは、第一記憶部１８０が、秘匿化の対象となっている部分文字列を検出するためのデータとして、置き換え元の文字列と、その文字列を置き換えるべき文字列とを示す置き換え規則を記憶しておくようにしてよい。置き換え元の文字列を置き換えるべき文字列を、置き換え先の文字列とも称する。
【0037】
第一制御部１９０は、秘匿化装置１００の各部を制御して各種処理を行う。第一制御部１９０の機能は、秘匿化装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が、第一記憶部１８０からプログラムを読み出して実行することで実行されてもよい。
【0038】
プロンプト取得部１９１は、プロンプトを取得する。プロンプト取得部１９１が取得するプロンプトは、秘匿化されていないプロンプトに該当する。
プロンプト取得部１９１がプロンプトを取得する方法は、特定の方法に限定されない。例えば、第一操作入力部１３０が、プロンプトを入力するユーザ操作を受け付け、プロンプト取得部１９１が、ユーザ操作に応じた文字列を生成することで、プロンプトを取得するようにしてもよい。あるいは、第一通信部１１０が、他の装置からプロンプトを受信し、プロンプト取得部１９１が、第一通信部１１０の受信データからプロンプトを抽出するようにしてもよい。
プロンプト取得部１９１がプロンプトを取得する方法は、特定の方法に限定されない。例えば、第一操作入力部１３０が、プロンプトを入力するユーザ操作を受け付け、プロンプト取得部１９１が、ユーザ操作に応じた文字列を生成することで、プロンプトを取得するようにしてもよい。あるいは、第一通信部１１０が、他の装置からプロンプトを受信し、プロンプト取得部１９１が、第一通信部１１０の受信データからプロンプトを抽出するようにしてもよい。
【0039】
秘匿化部１９２は、プロンプトの秘匿化を行う。具体的には、秘匿化部１９２は、プロンプト取得部１９１が取得したプロンプトのうち、秘匿化の対象となっている部分文字列を検出する。そして、秘匿化部１９２は、検出した部分文字列を、他の部分文字列に置き換える。
秘匿化部１９２は、秘匿化手段の例に該当する。秘匿化部１９２による置き換え後のプロンプトは、秘匿化されたプロンプトに該当する。
秘匿化部１９２は、秘匿化手段の例に該当する。秘匿化部１９２による置き換え後のプロンプトは、秘匿化されたプロンプトに該当する。
【0040】
秘匿化プロンプト発行部１９３は、秘匿化部１９２による置き換え後のプロンプトを、第一通信部１１０を介して応答装置９１０へ送信する。
【0041】
図４は、推定装置２００の構成の例を示す図である。図４に示す構成で、推定装置２００は、第二通信部２１０と、第二表示部２２０と、第二操作入力部２３０と、第二記憶部２８０と、第二制御部２９０とを備える。第二制御部２９０は、応答取得部２９１と、推定部２９２と、理想応答出力部２９３とを備える。
【0042】
第二通信部２１０は、第二制御部２９０による制御に従って、他の装置と通信を行う。例えば、第二通信部２１０が、応答装置９１０から、秘匿化されたプロンプトに対する応答を受信するようにしてもよい。
第二表示部２２０は、例えば液晶パネルまたはＬＥＤパネル等の表示画面を備え、第二制御部２９０による制御に従って、各種画像を表示する。例えば、第二表示部２２０が、秘匿化されたプロンプトに対する応答、および、秘匿化されていないプロンプトに対する応答の推定値を表示するようにしてもよい。
第二表示部２２０は、表示手段の例に該当する。推定装置２００は、第二表示部２２０を備えている点で、表示装置の例に該当する。
第二表示部２２０は、例えば液晶パネルまたはＬＥＤパネル等の表示画面を備え、第二制御部２９０による制御に従って、各種画像を表示する。例えば、第二表示部２２０が、秘匿化されたプロンプトに対する応答、および、秘匿化されていないプロンプトに対する応答の推定値を表示するようにしてもよい。
第二表示部２２０は、表示手段の例に該当する。推定装置２００は、第二表示部２２０を備えている点で、表示装置の例に該当する。
【0043】
第二操作入力部２３０は、例えばキーボードおよびマウス等の入力デバイスを備え、ユーザ操作を受け付ける。例えば、第二操作入力部２３０が、秘匿化されていないプロンプトに対する応答の推定値の出力方法を指定するユーザ操作を受け付けるようにしてもよい。
【0044】
第二記憶部２８０は、各種データを記憶する。第二記憶部２８０は、推定装置２００が備える記憶デバイスを用いて構成される。
例えば、推定装置２００が、応答装置９１０からの応答のうち、秘匿化装置１００による置き換え後の文字列に相当する部分文字列を、その置き換え後の文字列の置き換え前の文字列に置き換える場合、第二記憶部２８０が、置き換え後の文字列と、その文字列の置き換え前の文字列とを示すデータを記憶しておくようにしてもよい。
あるいは、推定装置２００が、秘匿化されていないプロンプトに対する応答を、機械学習モデルを用いて推定する場合、第二記憶部２８０が、その機械学習モデルを記憶しておくようにしてもよい。
例えば、推定装置２００が、応答装置９１０からの応答のうち、秘匿化装置１００による置き換え後の文字列に相当する部分文字列を、その置き換え後の文字列の置き換え前の文字列に置き換える場合、第二記憶部２８０が、置き換え後の文字列と、その文字列の置き換え前の文字列とを示すデータを記憶しておくようにしてもよい。
あるいは、推定装置２００が、秘匿化されていないプロンプトに対する応答を、機械学習モデルを用いて推定する場合、第二記憶部２８０が、その機械学習モデルを記憶しておくようにしてもよい。
【0045】
第二制御部２９０は、推定装置２００の各部を制御して各種処理を行う。第二制御部２９０の機能は、推定装置２００が備えるＣＰＵが、第二記憶部２８０からプログラムを読み出して実行することで実行されてもよい。
【0046】
応答取得部２９１は、秘匿化されたプロンプトに対する応答装置９１０の応答を取得する。例えば、第二通信部２１０が、応答装置９１０からの応答を受信し、応答取得部２９１が、第二通信部２１０の受信データから応答装置９１０の応答を抽出するようにしてもよい。
【0047】
推定部２９２は、応答取得部２９１が取得する、秘匿化されたプロンプトに対する応答に基づいて、秘匿化されていないプロンプトに対する応答を推定する。
推定部２９２は、推定手段の例に該当する。
秘匿化されていないプロンプトに対する応答を、理想応答とも称する。推定システム１のユーザが、秘匿化されていないプロンプトに対する応答として所望する応答を、理想応答として用いるようにしてもよい。あるいは、秘匿化されていないプロンプトに対する応答装置９１０の応答を取得可能である場合、応答装置９１０からの実際の応答を理想応答として用いるようにしてもよい。
推定部２９２は、推定手段の例に該当する。
秘匿化されていないプロンプトに対する応答を、理想応答とも称する。推定システム１のユーザが、秘匿化されていないプロンプトに対する応答として所望する応答を、理想応答として用いるようにしてもよい。あるいは、秘匿化されていないプロンプトに対する応答装置９１０の応答を取得可能である場合、応答装置９１０からの実際の応答を理想応答として用いるようにしてもよい。
【0048】
理想応答出力部２９３は、推定部２９２による理想応答の推定値を出力する。理想応答出力部２９３が、理想応答の推定値を出力する方法は、特定の方法に限定されない。例えば、理想応答出力部２９３が、理想応答の推定値を第二表示部２２０に表示させるようにしてもよい。あるいは、理想応答出力部２９３が、第二表示部２２０による理想応答の推定値の表示に加えて、あるいは代えて、第二通信部２１０に理想応答の推定値を他の装置へ送信させるようにしてもよい。
【0049】
推定システム１によれば、文字列の入力に対して文字列による応答を出力するシステムに対する入力文字列を、秘匿化の対象となっている情報が秘匿化された文字列とすることができる。具体的には、推定システム１によれば、プロンプトに含まれる、秘匿化の対象となっている情報を秘匿化して応答装置９１０へ送信することができ、かつ、理想応答（情報の秘匿化をおこなっていないプロンプトに対する応答装置９１０の応答）を推定することができる。
【0050】
例えば、応答装置９１０がクラウド上で公開されている大規模言語モデルである場合など、応答装置９１０がクラウド上に設けられている場合、秘匿化すべき情報（秘匿化の対象となっている情報）を含むプロンプトをそのまま応答装置９１０に送信すると、情報が漏洩する可能性がある。
これに対し、推定システム１では、秘匿化装置１００が、プロンプトに含まれる秘匿化すべき情報を秘匿化することで、情報が漏洩する可能性を低減させることができる。かつ、推定システム１では、推定装置２００が、理想応答（情報の秘匿化をおこなっていないプロンプトに対する応答装置９１０の応答）を推定することで、理想応答を得られることが期待される。
これに対し、推定システム１では、秘匿化装置１００が、プロンプトに含まれる秘匿化すべき情報を秘匿化することで、情報が漏洩する可能性を低減させることができる。かつ、推定システム１では、推定装置２００が、理想応答（情報の秘匿化をおこなっていないプロンプトに対する応答装置９１０の応答）を推定することで、理想応答を得られることが期待される。
【0051】
秘匿化の対象となっている情報を秘匿化情報とも称する。秘匿化情報は、特定の種類の情報に限定されない。例えば、個人情報などプライバシーに関する情報が秘匿化情報となっていてもよいし、企業秘密など企業活動に関する情報が秘匿化情報となっていてもよい。あるいは、プライバシーに関する情報、および、企業活動に関する情報の何れも、秘匿化情報となっていてもよい。
【0052】
秘匿化情報の秘匿化および理想応答の推定についてさらに説明する。
【0053】
（ハッシュ値を用いた秘匿化）
秘匿化部１９２が、秘匿化の対象となっている部分文字列を、その部分文字列のハッシュ値に置き換えるようにしてもよい。例えば、秘匿化部１９２が、プロンプトのうち秘匿化の対象として指定されている文字列に該当する部分文字列を検出する。そして、秘匿化部１９２は、検出した部分文字列をハッシュ関数に入力してハッシュ値を算出する。秘匿化部１９２は、プロンプトのうち検出した部分文字列を、その部分文字列のハッシュ値に置き換える。
秘匿化部１９２が、秘匿化の対象となっている部分文字列を、その部分文字列のハッシュ値に置き換えるようにしてもよい。例えば、秘匿化部１９２が、プロンプトのうち秘匿化の対象として指定されている文字列に該当する部分文字列を検出する。そして、秘匿化部１９２は、検出した部分文字列をハッシュ関数に入力してハッシュ値を算出する。秘匿化部１９２は、プロンプトのうち検出した部分文字列を、その部分文字列のハッシュ値に置き換える。
【0054】
秘匿化部１９２がハッシュ値の計算に用いるハッシュ関数は、特定のハッシュ関数に限定されない。
また、ハッシュ値の表現形式は、特定の形式に限定されない。例えば、秘匿化部１９２が、１６進数で示されているハッシュ値を用いるようにしてもよいし、１０進数で示されているハッシュ値を用いるようにしてもよい。
また、ハッシュ値の表現形式は、特定の形式に限定されない。例えば、秘匿化部１９２が、１６進数で示されているハッシュ値を用いるようにしてもよいし、１０進数で示されているハッシュ値を用いるようにしてもよい。
【0055】
第三者がハッシュ値から元の部分文字列を復元することをより困難にするために、秘匿化部１９２が、秘匿化の対象となっている部分文字列に乱数による文字列を付加してからハッシュ値の計算を行うようにしてもよい。
例えば、「apple」が秘匿化の対象となっている部分文字列である場合、秘匿化部１９２が、「apple」の末尾に乱数「10」を付加した「apple10」をハッシュ関数に入力してハッシュ値を計算し、プロンプト内の「apple」をハッシュ値に置き換えるようにしてもよい。
例えば、「apple」が秘匿化の対象となっている部分文字列である場合、秘匿化部１９２が、「apple」の末尾に乱数「10」を付加した「apple10」をハッシュ関数に入力してハッシュ値を計算し、プロンプト内の「apple」をハッシュ値に置き換えるようにしてもよい。
【0056】
秘匿化部１９２が、秘匿化の対象となっている部分文字列に、乱数による文字列を付加する位置は、特定の位置に限定されない。例えば、秘匿化部１９２が、秘匿化の対象となっている部分文字列の末尾に、乱数による文字列を付加するようにしてもよい。あるいは、秘匿化部１９２が、秘匿化の対象となっている部分文字列の先頭に、乱数による文字列を付加するようにしてもよい。あるいは、秘匿化部１９２が、秘匿化の対象となっている部分文字列の１文字目と２文字目との間に、乱数による文字列を付加するなど、秘匿化の対象となっている部分文字列の中に、乱数による文字列を付加するようにしてもよい。
【0057】
秘匿化部１９２がプロンプトごとに、乱数による文字列を決定するようにしてもよい。この場合、同じ部分文字列に対してプロンプトごとに異なるハッシュ値が割り当てられ、これによって、秘匿化情報の漏洩の可能性を低減させることができる。また、この場合、１つのプロンプト内では、同じ部分文字列が同じハッシュ値に置き換えられる。これにより、応答装置９１０が、同じハッシュ値が同じ部分文字列を示すことを把握して、比較的高精度な応答を生成し出力することが期待される。また、応答装置９１０が、プロンプト内に示されているハッシュ値を応答内で用いる場合、推定装置２００が、応答内のハッシュ値を元の部分文字列に変換することができる。この点で、推定装置２００が、理想応答を比較的高精度に推定できることが期待される。
【0058】
あるいは、秘匿化部１９２が、秘匿化の対象となっている部分文字列を検出するごとに、乱数による文字列を決定するようにしてもよい。この場合、１つのプロンプト内でも同じ部分文字列に対して異なるハッシュ値が割り当てられ、これによって、秘匿化情報の漏洩の可能性をさらに低減させることができる。
【0059】
応答装置９１０によるハッシュ値の認識を補助するために、秘匿化部１９２が、ハッシュ値に特定の文字列を付加するようにしてもよい。
例えば、「apple」が秘匿化の対象となっている部分文字列である場合、秘匿化部１９２が、「apple」をハッシュ関数に入力してハッシュ値を計算し、得られたハッシュ値の先頭に文字列「Fruits:」を付加し、プロンプト内の「apple」を「Fruits:（ハッシュ値）」の形式の文字列に置き換えるようにしてもよい。
例えば、「apple」が秘匿化の対象となっている部分文字列である場合、秘匿化部１９２が、「apple」をハッシュ関数に入力してハッシュ値を計算し、得られたハッシュ値の先頭に文字列「Fruits:」を付加し、プロンプト内の「apple」を「Fruits:（ハッシュ値）」の形式の文字列に置き換えるようにしてもよい。
【0060】
応答装置９１０の訓練は、応答装置９１０の機械学習モデルのパラメータ値を更新するファインチューニングによって行われてもよい。例えば、応答装置９１０のファインチューニング機能が、ユーザに公開されていてもよい。
あるいは、応答装置９１０の訓練は、プロンプトのサンプルと、そのプロンプトに対する応答のサンプルとを応答装置９１０に送信する、In-Context Learning（またはFew-Shotとも称される）の手法で行われてもよい。
あるいは、応答装置９１０の訓練は、プロンプトのサンプルと、そのプロンプトに対する応答のサンプルとを応答装置９１０に送信する、In-Context Learning（またはFew-Shotとも称される）の手法で行われてもよい。
【0061】
秘匿化部１９２がハッシュ値に付加する文字列を、応答装置９１０に予め学習させておくことで、応答装置９１０が、その文字列とハッシュ値との組み合わせによる部分文字列を、より高精度に認識できることが期待される。これにより、応答装置９１０が、より高精度な応答を生成できることが期待される。
例えば、応答装置９１０は、学習によって、「Fruits:（ハッシュ値）」の形式の部分文字列が、「Fruits」のクラスに分類される部分文字列を示していると把握できることが期待される。
例えば、応答装置９１０は、学習によって、「Fruits:（ハッシュ値）」の形式の部分文字列が、「Fruits」のクラスに分類される部分文字列を示していると把握できることが期待される。
【0062】
秘匿化部１９２がハッシュ値に付加する文字列は、例えば機械学習モデルによるクラス分類など、機械学習モデルを用いて得られた文字列であってもよい。
例えば、秘匿化部１９２は、秘匿化の対象となっている部分文字列「apple」を機械学習モデルに入力してクラス分類結果「Fruits」を取得する。また、秘匿化部１９２は、部分文字列「apple」をハッシュ関数に入力してハッシュ値を計算する。そして、秘匿化部１９２が、得られたハッシュ値の先頭にクラス分類結果の文字列「Fruits」を付加して「Fruits:（ハッシュ値）」の形式の文字列を取得し、プロンプト内の「apple」を「Fruits:（ハッシュ値）」の形式の文字列に置き換える。
例えば、秘匿化部１９２は、秘匿化の対象となっている部分文字列「apple」を機械学習モデルに入力してクラス分類結果「Fruits」を取得する。また、秘匿化部１９２は、部分文字列「apple」をハッシュ関数に入力してハッシュ値を計算する。そして、秘匿化部１９２が、得られたハッシュ値の先頭にクラス分類結果の文字列「Fruits」を付加して「Fruits:（ハッシュ値）」の形式の文字列を取得し、プロンプト内の「apple」を「Fruits:（ハッシュ値）」の形式の文字列に置き換える。
【0063】
（暗号化を用いた秘匿化）
秘匿化部１９２が、秘匿化の対象となっている部分文字列を、その部分文字列を暗号化した部分文字列に置き換えるようにしてもよい。
秘匿化部１９２が部分文字列の暗号化に用いる暗号化アルゴリズムは、特定の種類の暗号化アルゴリズムに限定されない。例えば、秘匿化部１９２が、共通鍵暗号方式に含まれる暗号化アルゴリズムを用いるようにしてもよいし、公開鍵暗号方式に含まれる暗号化アルゴリズムを用いるようにしてもよい。
秘匿化部１９２が、秘匿化の対象となっている部分文字列を、その部分文字列を暗号化した部分文字列に置き換えるようにしてもよい。
秘匿化部１９２が部分文字列の暗号化に用いる暗号化アルゴリズムは、特定の種類の暗号化アルゴリズムに限定されない。例えば、秘匿化部１９２が、共通鍵暗号方式に含まれる暗号化アルゴリズムを用いるようにしてもよいし、公開鍵暗号方式に含まれる暗号化アルゴリズムを用いるようにしてもよい。
【0064】
また、秘匿化部１９２が用いる暗号化アルゴリズムは、応答装置９１０が復号のための情報を有していないものであってもよい。
ハッシュ値を用いた秘匿化の場合と同様、秘匿化部１９２が、秘匿化の対象となっている部分文字列に乱数による文字列を付加してから暗号化を行うようにしてもよい。
ハッシュ値を用いた秘匿化の場合と同様、秘匿化部１９２が、秘匿化の対象となっている部分文字列に乱数による文字列を付加してから暗号化を行うようにしてもよい。
【0065】
ハッシュ値を用いた秘匿化の場合と同様、秘匿化部１９２が、暗号化された部分文字列に特定の文字列を付加するようにしてもよい。この場合も、秘匿化部１９２が暗号化された部分文字列に付加する文字列は、応答装置９１０に予め学習させたものであってもよい。また、秘匿化部１９２が暗号化された部分文字列に付加する文字列は、例えば機械学習モデルによるクラス分類など、機械学習モデルを用いて得られた文字列であってもよい。
【0066】
（同じ品詞の単語への置き換えによる秘匿化）
秘匿化部１９２が、秘匿化の対象となっている単語を同じ品詞の単語に置き換えるようにしてもよい。
例えば、「apple」が秘匿化の対象となっている単語である場合、秘匿化部１９２は、プロンプト内の「apple」を、「apple」と同じく名詞である「car」に置き換える。
置き換え先の単語は、ユーザが予め指定しておくようにしてもよい。
あるいは、秘匿化部１９２が辞書を有し、秘匿化の対象となっている単語と同じ品詞の単語からランダムに、置き換え先の単語を選択するようにしてもよい。
秘匿化部１９２が、秘匿化の対象となっている単語を同じ品詞の単語に置き換えることで、応答装置９１０が、比較的正確にプロンプトを把握することができ、比較的高精度な応答を生成できることが期待される。
秘匿化部１９２が、秘匿化の対象となっている単語を同じ品詞の単語に置き換えるようにしてもよい。
例えば、「apple」が秘匿化の対象となっている単語である場合、秘匿化部１９２は、プロンプト内の「apple」を、「apple」と同じく名詞である「car」に置き換える。
置き換え先の単語は、ユーザが予め指定しておくようにしてもよい。
あるいは、秘匿化部１９２が辞書を有し、秘匿化の対象となっている単語と同じ品詞の単語からランダムに、置き換え先の単語を選択するようにしてもよい。
秘匿化部１９２が、秘匿化の対象となっている単語を同じ品詞の単語に置き換えることで、応答装置９１０が、比較的正確にプロンプトを把握することができ、比較的高精度な応答を生成できることが期待される。
【0067】
（特徴ベクトルを利用した単語の置き換えによる秘匿化）
秘匿化部１９２が、特徴ベクトルを用いて置き換え先の単語を決定するようにしてもよい。
秘匿化部１９２が特徴ベクトルの抽出に用いる特徴量抽出モデルｆの入出力は、式（１）のように表すことができる。
秘匿化部１９２が、特徴ベクトルを用いて置き換え先の単語を決定するようにしてもよい。
秘匿化部１９２が特徴ベクトルの抽出に用いる特徴量抽出モデルｆの入出力は、式（１）のように表すことができる。
【0068】
【数1】
【0069】
Ｗは、単語の集合を表す。Ｒｄは、ｄ次元の実数空間を示す。特徴量抽出モデルｆは、単語ｗ∈Ｗの入力を受けてｄ次元の実数ベクトルを出力する。
特徴量抽出モデルｆでは、意味（Semantics)に似ている単語同士の特徴ベクトルの距離が近くなるように学習されているなど、特徴ベクトルの距離が近い単語ほど類似している単語として扱われるものとする。
特徴量抽出モデルｆでは、意味（Semantics)に似ている単語同士の特徴ベクトルの距離が近くなるように学習されているなど、特徴ベクトルの距離が近い単語ほど類似している単語として扱われるものとする。
【0070】
秘匿化部１９２は、秘匿化の対象となっている単語ｗｓを、特徴ベクトルの距離ｄｉｓｔ（ｆ（ｗｓ），ｆ（ｗ））の小さい順で上位Ｋ番目の単語ｗ∈Ｗに置き換える。ここで、ｄｉｓｔは、２つのベクトルの距離を示す関数である。Ｋは、Ｋ≧１の整数である。Ｋの値はユーザによって設定されていてもよい。
【0071】
例えば、秘匿化の対象となっている単語が「apple」であり、「apple」の特徴ベクトルと「melon」の特徴ベクトルとの距離が最も小さく、「apple」の特徴ベクトルと「orange」の特徴ベクトルとの距離が２番目に小さいものとする。
Ｋ＝１に設定されている場合、秘匿化部１９２は、プロンプト内の「apple」を「melon」に置き換える。一方、Ｋ＝２に設定されている場合、秘匿化部１９２は、プロンプト内の「apple」を「orange」に置き換える。
Ｋ＝１に設定されている場合、秘匿化部１９２は、プロンプト内の「apple」を「melon」に置き換える。一方、Ｋ＝２に設定されている場合、秘匿化部１９２は、プロンプト内の「apple」を「orange」に置き換える。
【0072】
予め単語をクラスに分類しておき、秘匿化部１９２が、クラス内で単語の置き換えを行うようにしてもよい。
例えば、単語の集合Ｗを、式（２）のようにＣ個のクラスＷ１、Ｗ２、・・・、ＷＣに分割しておく。
例えば、単語の集合Ｗを、式（２）のようにＣ個のクラスＷ１、Ｗ２、・・・、ＷＣに分割しておく。
【0073】
【数2】
【0074】
この分割を行う主体は、特定のものに限定されない。例えば、秘匿化部１９２が、この分割を行うようにしてもよい。あるいは、ユーザなど、秘匿化部１９２以外がこの分割を行うようにしてもよい。
また、式（３）に基づいて、各クラスの平均ベクトルｆ－ ｉを予め計算しておく。
また、式（３）に基づいて、各クラスの平均ベクトルｆ－ ｉを予め計算しておく。
【0075】
【数3】
【0076】
ｉは、クラスを識別する識別番号を示す、１≦ｉ≦Ｃの整数である。識別番号ｉで識別されるクラスをｉ番目のクラスとも称する。
｜Ｗｉ｜は、ｉ番目のクラスＷｉに含まれる単語の個数を示す。
平均ベクトルの計算を行う主体は、特定のものに限定されない。例えば、秘匿化部１９２が、平均ベクトルの計算を行うようにしてもよい。あるいは、秘匿化装置１００の外部の装置など、秘匿化部１９２以外が平均ベクトルの計算を行うようにしてもよい。
｜Ｗｉ｜は、ｉ番目のクラスＷｉに含まれる単語の個数を示す。
平均ベクトルの計算を行う主体は、特定のものに限定されない。例えば、秘匿化部１９２が、平均ベクトルの計算を行うようにしてもよい。あるいは、秘匿化装置１００の外部の装置など、秘匿化部１９２以外が平均ベクトルの計算を行うようにしてもよい。
【0077】
単語の秘匿化を行う際、秘匿化部１９２は、クラスごとの平均ベクトルｆ－
１、ｆ－
２、・・・、ｆ－
Ｃのうち、秘匿化の対象となっている単語ｗｓの特徴ベクトルｆ（ｗｓ）との距離ｄｉｓｔ（ｆ－
ｉ，ｆ（ｗｓ））が最も小さい平均ベクトルｆ－
ｉを検出する。
【0078】
そして、秘匿化部１９２は、式（４）に基づいて、プロンプトのうち秘匿化の対象となっている単語ｗｓを、検出した平均ベクトルｆ－
ｉとの特徴ベクトルの距離ｌが小さい順に上位Ｋ番目の単語ｗ∈Ｗに置き換える。
【0079】
【数4】
【0080】
第一記憶部１８０が、式（３）の計算の際に計算された各単語の特徴ベクトルｆ（ｗ）を記憶しておくようにしてもよい。そして、秘匿化部１９２が、式（４）の計算の際に、第一記憶部１８０が記憶している各クラスの平均ベクトルｆ－
ｉおよび各単語の特徴ベクトルｒ（ｗ）を用いるようにしてもよい。
【0081】
秘匿化部１９２が、式（４）に代えて式（５）に基づいて、プロンプトのうち秘匿化の対象となっている単語ｗｓを、検出した平均ベクトルｆ－
ｉとの特徴ベクトルの距離ｌが小さい順に上位Ｋ番目の単語ｗ∈Ｗに置き換えるようにしてもよい。
【0082】
【数5】
【0083】
ｒは、特徴ベクトルの次元と同じｄ次元の乱数のベクトルである。
式（５）によれば、単語の選択の際に乱数を用いることで、上述したハッシュ値の計算の際に乱数を用いる場合と同様、第三者が、置き換え後の単語から元の単語を復元することがより困難になると期待される。
式（５）によれば、単語の選択の際に乱数を用いることで、上述したハッシュ値の計算の際に乱数を用いる場合と同様、第三者が、置き換え後の単語から元の単語を復元することがより困難になると期待される。
【0084】
上述したハッシュ値の計算の際に乱数を用いる場合と同様、秘匿化部１９２が、プロンプトごとに乱数のベクトルｒの値を決定するようにしてもよい。あるいは、秘匿化部１９２が、秘匿化の対象となっている部分文字列を検出するごとに、乱数のベクトルｒの値を決定するようにしてもよい。
【0085】
ユーザが各クラスの代表ベクトルを指定するなど、秘匿化部１９２が、クラスごとの代表ベクトルを、平均ベクトルを計算する方法以外の方法で取得するようにしてもよい。
例えば、ユーザが、各クラスの代表単語を予め指定しておくようにしてもよい。そして、秘匿化部１９２または他の主体が、予め、指定された代表単語の特徴ベクトルを算出し、代表ベクトルとして用意しておくようにしてもよい。
例えば、ユーザが、各クラスの代表単語を予め指定しておくようにしてもよい。そして、秘匿化部１９２または他の主体が、予め、指定された代表単語の特徴ベクトルを算出し、代表ベクトルとして用意しておくようにしてもよい。
【0086】
単語の秘匿化の際、秘匿化部１９２は、上述したクラスごとの平均ベクトルに代えて、クラスごとの代表ベクトルを用いる。秘匿化部１９２は、秘匿化の対象となっている単語ｗｓの特徴ベクトルｆ（ｗｓ）との距離が最も近い代表ベクトルを検出する。そして、秘匿化部１９２は、プロンプトのうち秘匿化の対象となっている単語ｗｓを、検出した代表ベクトルとの特徴ベクトルの距離が小さい順に上位Ｋ番目の単語ｗ∈Ｗに置き換える。
【0087】
秘匿化部１９２が、式（４）のクラスごとの平均ベクトルｆ－
ｉをクラスごとの代表ベクトルと読み替えた式を用いるようにしてもよい。あるいは、秘匿化部１９２が、式（５）のクラスごとの平均ベクトルｆ－
ｉをクラスごとの代表ベクトルと読み替えた式を用いるようにしてもよい。
【0088】
（プライバシーを保障する秘匿化）
秘匿化部１９２が、例えばローカル差分プライバシー（Local Differential Privacy；ＬＤＰ）など、プライバシーの保護基準として定められている基準を満たすような、プロンプトの部分文字列の置き換えを採用するようにしてもよい。
例えば、秘匿化部１９２が、Metric Local Differential Privacy（ＭＬＤＰ）またはUtility-optimized MLDP（ＵＭＬＤＰ）などのプライバシー保護基準に基づいて、これらのプライバシー保護基準を満たすためのアルゴリズムとして開示されているアルゴリズムを用いて、プロンプトの部分文字列の置き換えを行うようにしてもよい。
ただし、秘匿化部１９２が用いるプライバシーの保護基準は特定の基準に限定されない。
秘匿化部１９２が、例えばローカル差分プライバシー（Local Differential Privacy；ＬＤＰ）など、プライバシーの保護基準として定められている基準を満たすような、プロンプトの部分文字列の置き換えを採用するようにしてもよい。
例えば、秘匿化部１９２が、Metric Local Differential Privacy（ＭＬＤＰ）またはUtility-optimized MLDP（ＵＭＬＤＰ）などのプライバシー保護基準に基づいて、これらのプライバシー保護基準を満たすためのアルゴリズムとして開示されているアルゴリズムを用いて、プロンプトの部分文字列の置き換えを行うようにしてもよい。
ただし、秘匿化部１９２が用いるプライバシーの保護基準は特定の基準に限定されない。
【0089】
（文字列の置き換えによる理想応答の推定）
推定部２９２が、応答装置９１０からの応答に含まれる部分文字列のうち、秘匿化部１９２による置き換え後の単語を、置き換え前の単語に変換するようにしてもよい。
ここでは、秘匿化部１９２による置き換え後の部分文字列が、応答装置９１０から応答でも、置き換え後の部分文字列のまま用いられる場合を想定している。
以下では、秘匿化部１９２および推定部２９２が、単語の置き換えを行う場合を例に説明する。ただし、秘匿化部１９２および推定部２９２が、例えば文節単位など単語以外の文字列を単位として置き換えを行うようにしてもよい。
推定部２９２が、応答装置９１０からの応答に含まれる部分文字列のうち、秘匿化部１９２による置き換え後の単語を、置き換え前の単語に変換するようにしてもよい。
ここでは、秘匿化部１９２による置き換え後の部分文字列が、応答装置９１０から応答でも、置き換え後の部分文字列のまま用いられる場合を想定している。
以下では、秘匿化部１９２および推定部２９２が、単語の置き換えを行う場合を例に説明する。ただし、秘匿化部１９２および推定部２９２が、例えば文節単位など単語以外の文字列を単位として置き換えを行うようにしてもよい。
【0090】
例えば、式（６）に示されるような、秘匿化部１９２による文字の置き換えを示す辞書ｄを用意し、秘匿化部１９２と推定部２９２とが辞書ｄを共有する。
【0091】
【数6】
【0092】
ｗｏ
ｉは、ｉ番目の置き換え元の単語を示す。
ｗｒ ｉは、ｉ番目の置き換え先の単語を示す。
推定部２９２が辞書ｄを用いる場合、ｗｏ ｉが辞書の値に相当し、ｗｒ ｉが辞書のキーに相当する。推定部２９２は、応答装置９１０からの応答に単語ｗｒ ｉが含まれている場合、単語ｗｒ ｉを単語ｗｏ ｉに置き換える。
ｗｒ ｉは、ｉ番目の置き換え先の単語を示す。
推定部２９２が辞書ｄを用いる場合、ｗｏ ｉが辞書の値に相当し、ｗｒ ｉが辞書のキーに相当する。推定部２９２は、応答装置９１０からの応答に単語ｗｒ ｉが含まれている場合、単語ｗｒ ｉを単語ｗｏ ｉに置き換える。
【0093】
辞書ｄが、予め生成されていてもよい。あるいは、秘匿化部１９２が所定の規則に従って置き換え先の単語を決定する場合など、秘匿化部１９２が辞書ｄを生成し、生成した辞書ｄを、第一通信部１１０および第二通信部２１０を介して推定部２９２へ送信するようにしてもよい。
【0094】
辞書ｄの中に、同じ単語ｗｒ
ｉが複数存在している場合、推定部２９２が、応答装置９１０からの応答に含まれている単語ｗｒ
ｉを、その単語ｗｒ
ｉに紐づけられている単語ｗｏ
ｉのうち何れか１つに置き換えるようにしてもよい。例えば、推定部２９２が、単語ｗｒ
ｉに紐づけられている複数の単語ｗｏ
ｉのうち何れか１つをランダムに選択するようにしてもよい。
【0095】
あるいは、推定部２９２が、応答装置９１０からの応答に含まれている単語ｗｒ
ｉを、その単語ｗｒ
ｉに紐づけられている複数のｗｏ
ｉのリストに置き換えるようにしてもよい。この場合、ユーザは、複数のｗｏ
ｉのうち何れかを選択することができる。
１つの単語ｗｒ ｉに紐づけられている単語ｗｏ ｉが複数ある場合、辞書ｄの中で、１つの単語ｗｒ ｉと複数の単語ｗｏ ｉのリストとが紐づけられていてもよい。
１つの単語ｗｒ ｉに紐づけられている単語ｗｏ ｉが複数ある場合、辞書ｄの中で、１つの単語ｗｒ ｉと複数の単語ｗｏ ｉのリストとが紐づけられていてもよい。
【0096】
秘匿化部１９２が秘匿化の対象となっている単語を暗号化する場合、ｗｏ
ｉは秘密鍵であってもよい。すなわち、推定部２９２が、暗号化された単語ｗｒ
ｉを、秘密鍵としてのｗｏ
ｉを適用した暗号アルゴリズムに入力して復号するようにしてもよい。そして、推定部２９２が、応答装置９１０からの応答に含まれている暗号化された単語ｗｒ
ｉを、復号された単語に置き換えるようにしてもよい。
【0097】
図５は、推定システム１が、文字列の置き換えによって理想応答を推定する場合の、データの入出力の例を示す図である。
図５の例で、秘匿化装置１００は、秘匿化されたプロンプトを応答装置９１０へ送信する。また、秘匿化装置１００は、例えば辞書情報など、秘匿化装置１００による部分文字列の置き換えに関する情報である置き換え情報を推定装置２００へ送信する。
応答装置９１０は、秘匿化装置１００からの秘匿化されたプロンプトに対する応答を生成し、生成した応答を推定装置２００へ送信する。
推定装置２００は、秘匿化装置１００からの置き換え情報と、応答装置９１０からの応答とに基づいて、理想応答を推定する。
図５の例で、秘匿化装置１００は、秘匿化されたプロンプトを応答装置９１０へ送信する。また、秘匿化装置１００は、例えば辞書情報など、秘匿化装置１００による部分文字列の置き換えに関する情報である置き換え情報を推定装置２００へ送信する。
応答装置９１０は、秘匿化装置１００からの秘匿化されたプロンプトに対する応答を生成し、生成した応答を推定装置２００へ送信する。
推定装置２００は、秘匿化装置１００からの置き換え情報と、応答装置９１０からの応答とに基づいて、理想応答を推定する。
【0098】
（機械学習モデルを用いた理想応答の推定）
推定部２９２が、文字列の入力に対して文字列を出力する機械学習モデルを含んで構成されていてもよい。
以下では、推定部２９２が、ニューラルネットワークを含んで構成されている場合を例に説明する。ただし、推定部２９２が備える機械学習モデルは、特定の種類のものに限定されない。
推定部２９２が、文字列の入力に対して文字列を出力する機械学習モデルを含んで構成されていてもよい。
以下では、推定部２９２が、ニューラルネットワークを含んで構成されている場合を例に説明する。ただし、推定部２９２が備える機械学習モデルは、特定の種類のものに限定されない。
【0099】
図６は、推定部２９２が備えるニューラルネットワークの訓練を行う場合の、学習システムの構成の例を示す図である。図６の例で、学習システム２は、秘匿化装置１００と、推定装置２００と、学習制御装置３００と、応答装置９１０とを備える。
図６の各部のうち、図１の各部に対応して同様の機能を有する部分には同一の符号（１００、２００、９１０）を付し、ここでは詳細な説明を省略する。
図６の各部のうち、図１の各部に対応して同様の機能を有する部分には同一の符号（１００、２００、９１０）を付し、ここでは詳細な説明を省略する。
【0100】
図７は、学習制御装置３００の構成の例を示す図である。図７に示す構成で、学習制御装置３００は、第三通信部３１０と、第三表示部３２０と、第三操作入力部３３０と、第三記憶部３８０と、第三制御部３９０とを備える。第三制御部３９０は、訓練データ取得部３９１と、学習制御部３９２とを備える。
【0101】
学習制御装置３００は、推定部２９２が備えるニューラルネットワークの訓練を制御する。
学習制御装置３００が、コンピュータを用いて構成されていてもよい。
第三通信部３１０は、第三制御部３９０による制御に従って、他の装置と通信を行う。例えば、学習制御装置３００が訓練データを蓄積する際、第三通信部３１０が、応答装置９１０へプロンプトを送信して応答を受信するようにしてもよい。
学習制御装置３００が、コンピュータを用いて構成されていてもよい。
第三通信部３１０は、第三制御部３９０による制御に従って、他の装置と通信を行う。例えば、学習制御装置３００が訓練データを蓄積する際、第三通信部３１０が、応答装置９１０へプロンプトを送信して応答を受信するようにしてもよい。
【0102】
第三表示部３２０は、例えば液晶パネルまたはＬＥＤパネル等の表示画面を備え、第三制御部３９０による制御に従って、各種画像を表示する。例えば、第三表示部３２０が、ニューラルネットワークの訓練の進行状況など、訓練に関する各種情報を表示するようにしてもよい。
【0103】
第三操作入力部３３０は、例えばキーボードおよびマウス等の入力デバイスを備え、ユーザ操作を受け付ける。例えば、第三操作入力部３３０が、学習率など、訓練に関する設定を行うユーザ操作を受け付けるようにしてもよい。
【0104】
第三記憶部３８０は、各種データを記憶する。第三記憶部３８０は、学習制御装置３００が備える記憶デバイスを用いて構成される。
例えば、第三記憶部３８０が、ニューラルネットワークの訓練のための訓練データを記憶していてもよい。
例えば、第三記憶部３８０が、ニューラルネットワークの訓練のための訓練データを記憶していてもよい。
【0105】
第三制御部３９０は、学習制御装置３００の各部を制御して各種処理を行う。第三制御部３９０の機能は、学習制御装置３００が備えるＣＰＵが、第三記憶部３８０からプログラムを読み出して実行することで実行されてもよい。
【0106】
訓練データ取得部３９１は、訓練データを取得する。
例えば、推定システム１のユーザが、式（７）に示されるような、プロンプトｔｃと、そのプロンプトｔｃに対する理想応答ｙｃとのペアの集合を用意しておく。
例えば、推定システム１のユーザが、式（７）に示されるような、プロンプトｔｃと、そのプロンプトｔｃに対する理想応答ｙｃとのペアの集合を用意しておく。
【0107】
【数7】
【0108】
そして、秘匿化装置１００が、プロンプトｔｃに対して秘匿化をおこなったプロンプトを応答装置９１０へ送信する。
そして、訓練データ取得部３９１は、式（８）に示されるような訓練データを生成する。
そして、訓練データ取得部３９１は、式（８）に示されるような訓練データを生成する。
【0109】
【数8】
【0110】
ここで、Ｅは秘匿化部１９２による変換（部分文字列の秘匿化）を示す。Ｅ（ｔｃ）は、秘匿化部１９２による変換後のプロンプトを示す。ｆは、応答装置９１０による応答を示す。ｆ（Ｅ（ｔｃ））は、秘匿化部１９２による変換後のプロンプトに対する応答装置９１０の応答を示す。
【0111】
ｃｏｎｃａｔは、文字列の結合を示す。ｃｏｎｃａｔでは、複数の文字列を結合して１つの文字列にまとめる。訓練データ取得部３９１が、ｃｏｎｃａｔを用いて文字列を結合する際、文字列の間に例えば「［ＳＥＰ］」など、文字列の区切りを示す特定の文字（キャラクタ）を挿入するようにしてもよい。
ｙｃ ｉは、理想応答ｙｃに、データの識別番号ｉを明示したものである。
ｙｃ ｉは、理想応答ｙｃに、データの識別番号ｉを明示したものである。
【0112】
学習制御部３９２は、訓練データ取得部３９１が取得した訓練データを用いて、ニューラルネットワークの訓練を行う。学習制御部３９２は、ニューラルネットワークに文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））ｉを入力して、ニューラルネットワークが文字列ｙｃ
ｉを出力するように、ニューラルネットワークの訓練を行う。
推定部２９２が備えるニューラルネットワークが、例えば、大規模言語モデルよりも小規模な言語モデルなど、言語モデルとして構成されていてもよい。
推定部２９２が備えるニューラルネットワークが、例えば、大規模言語モデルよりも小規模な言語モデルなど、言語モデルとして構成されていてもよい。
【0113】
学習制御部３９２がニューラルネットワークの訓練に用いる学習アルゴリズムは、特定のものに限定されない。例えば、学習制御部３９２が誤差逆伝播（Backpropagation）を用いてニューラルネットワークの訓練を行うようにしてもよいが、これに限定されない。また、学習制御部３９２が、損失関数としてクロスエントロピー（Cross-Entropy）損失を用いてニューラルネットワークの訓練を行うようにしてもよいが、これに限定されない。
【0114】
図８は、推定部２９２が備えるニューラルネットワークの訓練を行う際の、学習システム２におけるデータの入出力の例を示す図である。
図８の例で、例えば、推定システム１のユーザが、プロンプトｔｃと、そのプロンプトｔｃに対する理想応答ｙｃとのペアの集合｛（ｔｃ，ｙｃ）ｉ｝ｉ＝１ Ｎを用意しておく。そして、秘匿化装置１００は、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）を応答装置９１０へ送信する。
また、秘匿化装置１００は、プロンプトｔｃと、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、プロンプトｔｃに対する理想応答ｙｃとを学習制御装置３００へ送信する。
図８の例で、例えば、推定システム１のユーザが、プロンプトｔｃと、そのプロンプトｔｃに対する理想応答ｙｃとのペアの集合｛（ｔｃ，ｙｃ）ｉ｝ｉ＝１ Ｎを用意しておく。そして、秘匿化装置１００は、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）を応答装置９１０へ送信する。
また、秘匿化装置１００は、プロンプトｔｃと、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、プロンプトｔｃに対する理想応答ｙｃとを学習制御装置３００へ送信する。
【0115】
応答装置９１０は、秘匿化されたプロンプトＥ（ｔｃ）に対する応答ｆ（Ｅ（ｔｃ））を生成し、学習制御装置３００へ送信する。
学習制御装置３００は、プロンプトｔｃと、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、プロンプトｔｃに対する理想応答ｙｃと、プロンプトＥ（ｔｃ）に対する応答ｆ（Ｅ（ｔｃ））とを用いて、訓練データ｛ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））ｉ，ｙｃ ｉ｝ｉ＝１ Ｎを生成する。
学習制御装置３００は、生成した訓練データ｛ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））ｉ，ｙｃ ｉ｝ｉ＝１ Ｎを用いて、推定部２９２が備えるニューラルネットワークの訓練を行う。
学習制御装置３００は、プロンプトｔｃと、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、プロンプトｔｃに対する理想応答ｙｃと、プロンプトＥ（ｔｃ）に対する応答ｆ（Ｅ（ｔｃ））とを用いて、訓練データ｛ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））ｉ，ｙｃ ｉ｝ｉ＝１ Ｎを生成する。
学習制御装置３００は、生成した訓練データ｛ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））ｉ，ｙｃ ｉ｝ｉ＝１ Ｎを用いて、推定部２９２が備えるニューラルネットワークの訓練を行う。
【0116】
図９は、推定部２９２が理想応答の推定を行う場合の、推定システム１におけるデータの入出力の例を示す図である。
図９の例で、秘匿化装置１００は、プロンプトｔｃを取得し、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）を応答装置９１０へ送信する。
また、秘匿化装置１００は、プロンプトｔｃと、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）とを推定装置２００へ送信する。
図９の例で、秘匿化装置１００は、プロンプトｔｃを取得し、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）を応答装置９１０へ送信する。
また、秘匿化装置１００は、プロンプトｔｃと、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）とを推定装置２００へ送信する。
【0117】
応答装置９１０は、秘匿化されたプロンプトＥ（ｔｃ）に対する応答ｆ（Ｅ（ｔｃ））を生成し、推定装置２００へ送信する。
推定装置２００では、推定部２９２が、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、秘匿化されたプロンプトＥ（ｔｃ）に対する応答ｆ（Ｅ（ｔｃ））とを結合した文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））を生成する。推定部２９２は、生成した文字列を学習済みのニューラルネットワークへ入力して、理想応答の推定値ｙｃ’を算出する。
推定装置２００では、推定部２９２が、プロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、秘匿化されたプロンプトＥ（ｔｃ）に対する応答ｆ（Ｅ（ｔｃ））とを結合した文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））を生成する。推定部２９２は、生成した文字列を学習済みのニューラルネットワークへ入力して、理想応答の推定値ｙｃ’を算出する。
【0118】
（学習済みの言語モデルを用いた理想応答の推定）
推定部２９２が、機械学習モデルとして学習済みの言語モデルを備えていてもよい。この場合、言語モデルの学習パラメータの更新は行わず、言語モデルの入出力の例を言語モデルに与えてIn-Context Learningの手法で、言語モデルに理想応答を推定させるようにしてもよい。
推定部２９２が、機械学習モデルとして学習済みの言語モデルを備えていてもよい。この場合、言語モデルの学習パラメータの更新は行わず、言語モデルの入出力の例を言語モデルに与えてIn-Context Learningの手法で、言語モデルに理想応答を推定させるようにしてもよい。
【0119】
この場合、推定部２９２は、文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））のサンプルと、そのプロンプトｔｃに対する理想応答ｙｃのサンプルとのペアを何組か取得し、言語モデルに入出力のサンプルとして与える。
そして、図９の例の場合と同様、推定部２９２は、理想応答の推定対象のプロンプトｔｃと、秘匿化装置１００がプロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、秘匿化されたプロンプトＥ（ｔｃ）に対する応答装置９１０の応答ｆ（Ｅ（ｔｃ））とを結合した文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））を生成する。推定部２９２は、生成した文字列を言語モデルに入力して、理想応答の推定値ｙｃ’を算出する。
そして、図９の例の場合と同様、推定部２９２は、理想応答の推定対象のプロンプトｔｃと、秘匿化装置１００がプロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、秘匿化されたプロンプトＥ（ｔｃ）に対する応答装置９１０の応答ｆ（Ｅ（ｔｃ））とを結合した文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））を生成する。推定部２９２は、生成した文字列を言語モデルに入力して、理想応答の推定値ｙｃ’を算出する。
【0120】
推定部２９２が、言語モデルの入出力の例を言語モデルに与えずに、Zero-Shotの手法で直接、理想応答の推定対象のプロンプトｔｃと、秘匿化装置１００がプロンプトｔｃに対して秘匿化をおこなったプロンプトＥ（ｔｃ）と、秘匿化されたプロンプトＥ（ｔｃ）に対する応答装置９１０の応答ｆ（Ｅ（ｔｃ））とを結合した文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））を言語モデルに入力して、理想応答の推定値ｙｃ’を算出するようにしてもよい。
【0121】
（応答装置９１０の追加学習）
推定装置２００による理想応答の推定値によって、推定システム１のユーザが所望する応答を得やすくするために、応答装置９１０に対する追加学習を行うようにしてもよい。
推定装置２００による理想応答の推定値によって、推定システム１のユーザが所望する応答を得やすくするために、応答装置９１０に対する追加学習を行うようにしてもよい。
【0122】
図１０は、応答装置９１０に対する追加学習を行う場合の、学習システムの構成の例を示す図である。図１０の例で、学習システム３は、秘匿化装置１００と、学習制御装置３００と、応答装置９１０とを備える。
図１０の各部のうち、図６の各部に対応して同様の機能を有する部分には同一の符号（１００、３００、９１０）を付し、ここでは詳細な説明を省略する。
図１０の各部のうち、図６の各部に対応して同様の機能を有する部分には同一の符号（１００、３００、９１０）を付し、ここでは詳細な説明を省略する。
【0123】
図１１は、応答装置９１０に対する追加学習を行う場合の、学習システム３におけるデータの入出力の例を示す図である。
図１１の例で、例えば、推定システム１のユーザが、プロンプトｔｃと、そのプロンプトｔｃに対する理想応答ｙｃとのペアの集合｛（ｔｃ，ｙｃ）ｉ｝ｉ＝１ Ｎを用意しておく。
そして、秘匿化装置１００が、プロンプトｔｃおよび理想応答ｙｃのそれぞれに対して秘匿化をおこなって、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）を生成し、学習制御装置３００へ送信する。
図１１の例で、例えば、推定システム１のユーザが、プロンプトｔｃと、そのプロンプトｔｃに対する理想応答ｙｃとのペアの集合｛（ｔｃ，ｙｃ）ｉ｝ｉ＝１ Ｎを用意しておく。
そして、秘匿化装置１００が、プロンプトｔｃおよび理想応答ｙｃのそれぞれに対して秘匿化をおこなって、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）を生成し、学習制御装置３００へ送信する。
【0124】
学習制御装置３００の訓練データ取得部３９１は、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）に基づいて、式（９）に示される訓練データＤを取得する。
【0125】
【数9】
【0126】
学習制御装置３００の学習制御部３９２は、訓練データＤを用いて応答装置９１０の訓練を行う。学習制御部３９２は、秘匿化されたプロンプトＥ（ｔｃ）を応答装置９１０に入力し、応答装置９１０が秘匿化された応答Ｅ（ｙｃ）を出力するように、応答装置９１０の学習パラメータを調整する。
【0127】
学習制御部３９２が行う応答装置９１０の追加学習は、応答装置９１０による応答の生成を、秘匿化装置１００および推定装置２００による部分文字列の置き換えに適合させるファインチューニングと捉えることができる。
学習制御部３９２が、応答装置９１０の訓練に用いる学習アルゴリズムは、特定のものに限定されない。例えば、学習制御部３９２が、ＬｏＲＡ（Low-Rank Adaptation）を用いて応答装置９１０の訓練を行うようしてもよいが、これに限定されない。
学習制御部３９２が、応答装置９１０の訓練に用いる学習アルゴリズムは、特定のものに限定されない。例えば、学習制御部３９２が、ＬｏＲＡ（Low-Rank Adaptation）を用いて応答装置９１０の訓練を行うようしてもよいが、これに限定されない。
【0128】
学習システム３によれば、秘匿化情報が第三者には分からないような文字列に置き換えられた訓練データを用いて、応答装置９１０の追加学習を行うことができる。これにより、学習システム３では、秘匿化情報が第三者に漏洩する可能性を低減させることができ、かつ、応答装置９１０が、秘匿化情報に応じた応答を出力するように、応答装置９１０の訓練を行うことができる。
【0129】
特に、秘匿化装置１００がプロンプトｔｃおよび理想応答ｙｃの何れも秘匿化する。秘匿化装置１００が、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）を送信しても、秘匿化情報が第三者に漏洩する可能性は小さい。
かつ、秘匿化装置１００は、プロンプトｔｃの秘匿化および理想応答ｙｃの秘匿化で、秘匿化の対象となっている文字列に応じた文字列を、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）に埋め込む。学習制御装置３００が、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）を用いて応答装置９１０の訓練を行うことで、応答装置９１０が、秘匿化情報に応じた応答を出力するように訓練を行うことができる。
かつ、秘匿化装置１００は、プロンプトｔｃの秘匿化および理想応答ｙｃの秘匿化で、秘匿化の対象となっている文字列に応じた文字列を、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）に埋め込む。学習制御装置３００が、秘匿化されたプロンプトＥ（ｔｃ）および秘匿化された応答Ｅ（ｙｃ）を用いて応答装置９１０の訓練を行うことで、応答装置９１０が、秘匿化情報に応じた応答を出力するように訓練を行うことができる。
【0130】
また、学習システム３によれば、応答装置９１０がプロンプトを把握できる可能性を高めることができ、この点で、応答装置９１０が、比較的高精度に応答を生成できると期待される。
例えば、秘匿化装置１００が、プロンプトのうち秘匿化の対象となっている部分文字列をハッシュ値に置き換える場合、ハッシュ値の存在によって、応答装置９１０がプロンプトを解析する精度が低下することが考えられる。プロンプトを解析する精度の低下によって、応答装置９１０が、理想応答の推定が困難なようなプロンプトを出力することが考えられる。
これに対し、学習制御部３９２が、ハッシュ値を含むプロンプトおよび応答を用いて応答装置９１０の訓練を行うことで、応答装置９１０が、ハッシュ値を含むプロンプトに対する応答の生成をより高精度に行えるようになると期待される。
例えば、秘匿化装置１００が、プロンプトのうち秘匿化の対象となっている部分文字列をハッシュ値に置き換える場合、ハッシュ値の存在によって、応答装置９１０がプロンプトを解析する精度が低下することが考えられる。プロンプトを解析する精度の低下によって、応答装置９１０が、理想応答の推定が困難なようなプロンプトを出力することが考えられる。
これに対し、学習制御部３９２が、ハッシュ値を含むプロンプトおよび応答を用いて応答装置９１０の訓練を行うことで、応答装置９１０が、ハッシュ値を含むプロンプトに対する応答の生成をより高精度に行えるようになると期待される。
【0131】
応答装置９１０の追加学習に用いた秘匿化装置１００を用いて、推定装置２００を構築し、理想応答の推定の推定に用いるようにしてもよい。
ここで、推定装置２００が行う処理は、秘匿化装置１００が行う処理に依存する。例えば、推定装置２００が部分文字列の置き換えによって理想応答を推定する場合、推定装置２００が、秘匿化装置１００が行う部分文字列の置き換えの逆変換に相当する部分文字列の置き換えを行うことが考えられる。
ここで、推定装置２００が行う処理は、秘匿化装置１００が行う処理に依存する。例えば、推定装置２００が部分文字列の置き換えによって理想応答を推定する場合、推定装置２００が、秘匿化装置１００が行う部分文字列の置き換えの逆変換に相当する部分文字列の置き換えを行うことが考えられる。
【0132】
そこで、秘匿化装置１００と、推定装置２００とが辞書を共有するなど、部分文字列の置き換えに関する情報を共有するようにする。秘匿化装置１００が、訓練データの生成のためにおこなった、プロンプトｔｃから秘匿化されたプロンプトＥ（ｔｃ）への変換における部分文字列の置き換え、および、理想応答ｙｃから秘匿化された応答Ｅ（ｙｃ）への変換における部分文字列の置き換えを、辞書に登録しておくようにしてもよい。
【0133】
また、推定部２９２が機械学習モデルを備える場合、機械学習に入力される文字列ｃｏｎｃａｔ（ｔｃ，Ｅ（ｔｃ），ｆ（Ｅ（ｔｃ）））の生成で、秘匿化装置１００によって秘匿化されたプロンプトＥ（ｔｃ）を用いて、秘匿化装置１００による処理を、推定装置２００による処理に反映させる。
【0134】
以上のように、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた、秘匿化されたプロンプトを生成する。秘匿化プロンプト発行部１９３は、秘匿化されたプロンプトを、応答装置９１０に入力する。
【0135】
秘匿化装置１００によれば、応答装置９１０に対するプロンプトを、秘匿化の対象となっている情報が秘匿化されたプロンプトとすることができる。これにより、秘匿化装置１００によれば、秘匿化の対象となっている情報が漏洩する可能性を低減させることができる。かつ、秘匿化装置１００によれば、秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられていることで、秘匿化の対象となっている情報に応じた応答を得られると期待される。
【0136】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える。
秘匿化装置１００によれば、ハッシュ関数を用いた比較的簡単な計算で、部分文字列の置き換え先の部分文字列をランダムな文字列に決定することができる。秘匿化装置１００によれば、この点で、比較的簡単な計算で情報の秘匿化をより確実に行うことができる。
秘匿化装置１００によれば、ハッシュ関数を用いた比較的簡単な計算で、部分文字列の置き換え先の部分文字列をランダムな文字列に決定することができる。秘匿化装置１００によれば、この点で、比較的簡単な計算で情報の秘匿化をより確実に行うことができる。
【0137】
また、秘匿化部１９２は、第一文字列のうち秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える。
秘匿化装置１００によれば、秘匿化の対象となっている情報が漏洩する可能性を、より低減させることができる。
秘匿化装置１００によれば、秘匿化の対象となっている情報が漏洩する可能性を、より低減させることができる。
【0138】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える。
秘匿化装置１００によれば、応答装置９１０によるハッシュ値の認識を補助することができる。特に、秘匿化装置１００によれば、ハッシュ値に所定の文字列を付加することで、応答装置９１０に、ハッシュ値を認識するための情報を提供することができる。
秘匿化装置１００によれば、応答装置９１０によるハッシュ値の認識を補助することができる。特に、秘匿化装置１００によれば、ハッシュ値に所定の文字列を付加することで、応答装置９１０に、ハッシュ値を認識するための情報を提供することができる。
【0139】
また、応答装置９１０が、ハッシュ値に付加する文字列について予め学習されている。
秘匿化装置１００によれば、応答装置９１０が、ハッシュ値に付加されている文字列を用いて、ハッシュ値の認識を適切に行えると期待される。
秘匿化装置１００によれば、応答装置９１０が、ハッシュ値に付加されている文字列を用いて、ハッシュ値の認識を適切に行えると期待される。
【0140】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、所定の文字列を取得する。
秘匿化装置１００によれば、機械学習モデルを用いて文字列を取得することで、置き換えの対象となっている部分文字列に関連している文字列を取得することができ、取得した文字列をハッシュ値に付加することができる。
秘匿化装置１００によれば、機械学習モデルを用いて文字列を取得することで、置き換えの対象となっている部分文字列に関連している文字列を取得することができ、取得した文字列をハッシュ値に付加することができる。
【0141】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える。
秘匿化装置１００によれば、暗号化によって、部分文字列の置き換え先の部分文字列をランダムな文字列に決定することができる。秘匿化装置１００によれば、この点で、情報の秘匿化をより確実に行うことができる。
秘匿化装置１００によれば、暗号化によって、部分文字列の置き換え先の部分文字列をランダムな文字列に決定することができる。秘匿化装置１００によれば、この点で、情報の秘匿化をより確実に行うことができる。
【0142】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える。
秘匿化装置１００によれば、秘匿化の対象となっている情報が漏洩する可能性を、より低減させることができる。
秘匿化装置１００によれば、秘匿化の対象となっている情報が漏洩する可能性を、より低減させることができる。
【0143】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える。
秘匿化装置１００によれば、応答装置９１０による文字列の認識を補助することができる。特に、秘匿化装置１００によれば、暗号化された文字列に所定の文字列を付加することで、応答装置９１０に、暗号化された文字列を認識するための情報を提供することができる。
秘匿化装置１００によれば、応答装置９１０による文字列の認識を補助することができる。特に、秘匿化装置１００によれば、暗号化された文字列に所定の文字列を付加することで、応答装置９１０に、暗号化された文字列を認識するための情報を提供することができる。
【0144】
また、応答装置９１０が、暗号化された文字列に付加されている文字列について予め学習されている。
秘匿化装置１００によれば、応答装置９１０が、暗号化された文字列に付加されている文字列を用いて、暗号化された文字列の認識を適切に行えると期待される。
秘匿化装置１００によれば、応答装置９１０が、暗号化された文字列に付加されている文字列を用いて、暗号化された文字列の認識を適切に行えると期待される。
【0145】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、所定の文字列を取得する。
秘匿化装置１００によれば、機械学習モデルを用いて文字列を取得することで、置き換えの対象となっている部分文字列に関連している文字列を取得することができ、取得した文字列を暗号化された文字列に付加することができる。
秘匿化装置１００によれば、機械学習モデルを用いて文字列を取得することで、置き換えの対象となっている部分文字列に関連している文字列を取得することができ、取得した文字列を暗号化された文字列に付加することができる。
【0146】
また、秘匿化部１９２は、秘匿化されていないプロンプトに含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える。
秘匿化装置１００によれば、単語の置き換え前と置き換え後とで同じ品詞となっている点で、応答装置９１０が、プロンプトを比較的高精度に把握でき、比較的高精度な応答を生成できると期待される。
秘匿化装置１００によれば、単語の置き換え前と置き換え後とで同じ品詞となっている点で、応答装置９１０が、プロンプトを比較的高精度に把握でき、比較的高精度な応答を生成できると期待される。
【0147】
また、秘匿化部１９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する。
秘匿化装置１００によれば、部分文字列を、何らかの基準で比較的類似している部分文字列に置き換えることができる。これにより、秘匿化装置１００では、応答装置９１０が、プロンプトを比較的高精度に把握でき、比較的高精度な応答を生成できると期待される。
秘匿化装置１００によれば、部分文字列を、何らかの基準で比較的類似している部分文字列に置き換えることができる。これにより、秘匿化装置１００では、応答装置９１０が、プロンプトを比較的高精度に把握でき、比較的高精度な応答を生成できると期待される。
【0148】
また、秘匿化部１９２は、秘匿化されていないプロンプトの部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する。
秘匿化装置１００によれば、プライバシーを保護することのできるプロンプトを得られる。
秘匿化装置１００によれば、プライバシーを保護することのできるプロンプトを得られる。
【0149】
また、応答装置９１０は、秘匿化されたプロンプトと、秘匿化されていないプロンプトに対する応答装置９１０の出力として所望されている応答に対して秘匿化部１９２が部分文字列の置き換えをおこなった文字列とを用いて訓練されている。
【0150】
秘匿化装置１００によれば、秘匿化情報が第三者には分からないような文字列に置き換えられた訓練データを用いて、応答装置９１０の追加学習を行うことができる。これにより、学習システム３では、秘匿化情報が第三者に漏洩する可能性を低減させることができ、かつ、応答装置９１０が、秘匿化情報に応じた応答を出力するように、応答装置９１０の訓練を行うことができる。
また、秘匿化装置１００によれば、応答装置９１０がプロンプトを把握できる可能性を高めることができ、この点で、応答装置９１０が、比較的高精度に応答を生成できると期待される。
また、秘匿化装置１００によれば、応答装置９１０がプロンプトを把握できる可能性を高めることができ、この点で、応答装置９１０が、比較的高精度に応答を生成できると期待される。
【0151】
また、第一表示部１２０は、秘匿化されたプロンプトのうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた、秘匿化されたプロンプトを表示する。
秘匿化装置１００によれば、ユーザは、秘匿化されたプロンプトを参照して情報の秘匿化が適切に行われているか確認することができる。
秘匿化装置１００によれば、ユーザは、秘匿化されたプロンプトを参照して情報の秘匿化が適切に行われているか確認することができる。
【0152】
また、推定部２９２は、秘匿化されていないプロンプトのうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた、秘匿化されたプロンプトに対する応答に基づいて、秘匿化の対象として検出された部分文字列の置き換えが行われていない、秘匿化されていないプロンプトに対する応答を推定する。
推定装置２００によれば、秘匿化されたプロンプトを用いて応答装置９１０による応答を取得することができ、秘匿化情報が第三者に漏洩する可能性を低減させることができる。かつ、推定装置２００によれば、秘匿化情報に応じた応答を推定することができる。
推定装置２００によれば、秘匿化されたプロンプトを用いて応答装置９１０による応答を取得することができ、秘匿化情報が第三者に漏洩する可能性を低減させることができる。かつ、推定装置２００によれば、秘匿化情報に応じた応答を推定することができる。
【0153】
また、推定部２９２は、秘匿化されたプロンプトに対する応答の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える。
推定装置２００によれば、秘匿化装置１００が行う部分文字列の置き換えの逆変換に相当する置き換えを行うことができ、この点で、理想応答を高精度に推定できると期待される。
推定装置２００によれば、秘匿化装置１００が行う部分文字列の置き換えの逆変換に相当する置き換えを行うことができ、この点で、理想応答を高精度に推定できると期待される。
【0154】
また、推定部２９２は、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、秘匿化されたプロンプトに対する応答の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える。
推定装置２００によれば、秘匿化装置１００による部分文字列の置き換えが一体一対応の関係にない場合でも、理想応答を推定することができる。
推定装置２００によれば、秘匿化装置１００による部分文字列の置き換えが一体一対応の関係にない場合でも、理想応答を推定することができる。
【0155】
また、推定部２９２は、秘匿化の対象として検出された部分文字列の置き換え前のプロンプトと、置き換え後のプロンプトと、そのプロンプトの入力に対する応答とを含むデータを入力データとし、秘匿化の対象として検出された部分文字列の置き換え前のプロンプトに対する応答を正解データとする訓練データを用いて訓練された機械学習モデルに、秘匿化の対象として検出された部分文字列の置き換え前のプロンプトと、置き換え後のプロンプトと、そのプロンプトの入力に対する応答とを含むデータを入力して、秘匿化の対象として検出された部分文字列の置き換え前のプロンプトに対する応答の推定値を取得する。
推定装置２００によれば、機械学習モデルを用いて理想応答を推定することができる。これにより、推定装置２００では、例えば、秘匿化装置１００による文字列の置き換え規則を得られないような場合でも、理想応答を推定することができる。
推定装置２００によれば、機械学習モデルを用いて理想応答を推定することができる。これにより、推定装置２００では、例えば、秘匿化装置１００による文字列の置き換え規則を得られないような場合でも、理想応答を推定することができる。
【0156】
また、第二表示部２２０は、秘匿化されていないプロンプトのうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた、秘匿化されたプロンプトに対する応答に基づいて推定された、秘匿化の対象に該当する部分文字列の置き換えが行われていないプロンプトに対する応答を表示する。
推定装置２００によれば、ユーザは、理想応答の推定値を参照することができる。
推定装置２００によれば、ユーザは、理想応答の推定値を参照することができる。
【0157】
＜第二実施形態＞
図１２は、少なくとも１つの実施形態に係る秘匿化装置の構成の、もう１つの例を示す図である。図１２に示す構成で、秘匿化装置６１０は、秘匿化部６１１と、秘匿化プロンプト発行部６１２とを備える。
図１２は、少なくとも１つの実施形態に係る秘匿化装置の構成の、もう１つの例を示す図である。図１２に示す構成で、秘匿化装置６１０は、秘匿化部６１１と、秘匿化プロンプト発行部６１２とを備える。
【0158】
かかる構成で、秘匿化部６１１は、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する。秘匿化プロンプト発行部６１２は、第二文字列を、第二文字列に対する応答を出力する装置に入力する。
秘匿化部６１１は、秘匿化手段の例に該当する。秘匿化プロンプト発行部６１２は、秘匿化プロンプト発行手段の例に該当する。
秘匿化部６１１は、秘匿化手段の例に該当する。秘匿化プロンプト発行部６１２は、秘匿化プロンプト発行手段の例に該当する。
【0159】
秘匿化装置６１０によれば、第二文字列に対する応答を出力する装置に対する入力文字列を、秘匿化の対象となっている情報が秘匿化された文字列とすることができる。これにより、秘匿化装置６１０によれば、秘匿化の対象となっている情報が漏洩する可能性を低減させることができる。かつ、秘匿化装置６１０によれば、秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられていることで、秘匿化の対象となっている情報に応じた応答を得られると期待される。
【0160】
【0161】
【0162】
かかる構成で、推定部６２１は、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、秘匿化の対象として検出された部分文字列の置き換えが行われていない第一文字列に対する応答である第四文字列を推定する。
推定部６２１は、推定手段の例に該当する。
推定部６２１は、推定手段の例に該当する。
【0163】
推定装置６２０によれば、秘匿化された第二文字列を用いて応答を取得することができ、秘匿化情報が第三者に漏洩する可能性を低減させることができる。かつ、推定装置６２０によれば、秘匿化の対象の情報に応じた応答を推定することができる。
推定部６２１は、例えば、図４の推定部２９２等の機能を用いて実現することができる。
推定部６２１は、例えば、図４の推定部２９２等の機能を用いて実現することができる。
【0164】
＜第四実施形態＞
図１４は、少なくとも１つの実施形態に係る表示装置の構成の例を示す図である。図１４に示す構成で、表示装置６３０は、表示部６３１を備える。
かかる構成で、表示部６３１は、第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示する。
図１４は、少なくとも１つの実施形態に係る表示装置の構成の例を示す図である。図１４に示す構成で、表示装置６３０は、表示部６３１を備える。
かかる構成で、表示部６３１は、第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示する。
【0165】
表示部６３１は、表示手段の例に該当する。
表示装置６３０によれば、ユーザは、第二文字列を参照して情報の秘匿化が適切に行われているか確認することができる。
表示部６３１は、例えば、図３の第一表示部１２０等の機能を用いて実現することができる。
表示装置６３０によれば、ユーザは、第二文字列を参照して情報の秘匿化が適切に行われているか確認することができる。
表示部６３１は、例えば、図３の第一表示部１２０等の機能を用いて実現することができる。
【0166】
＜第五実施形態＞
図１５は、少なくとも１つの実施形態に係る表示装置の構成の、もう１つの例を示す図である。図１５に示す構成で、表示装置６４０は、表示部６４１を備える。
かかる構成で、表示部６４１は、第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、秘匿化の対象に該当する部分文字列の置き換えが行われていない第一文字列に対する応答である第四文字列を表示する。
図１５は、少なくとも１つの実施形態に係る表示装置の構成の、もう１つの例を示す図である。図１５に示す構成で、表示装置６４０は、表示部６４１を備える。
かかる構成で、表示部６４１は、第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、秘匿化の対象に該当する部分文字列の置き換えが行われていない第一文字列に対する応答である第四文字列を表示する。
【0167】
表示部６４１は、表示手段の例に該当する。
表示装置６４０によれば、ユーザは、推定された第四文字列を参照することができる。
表示部６４１は、例えば、図４の第二表示部２２０等の機能を用いて実現することができる。
表示装置６４０によれば、ユーザは、推定された第四文字列を参照することができる。
表示部６４１は、例えば、図４の第二表示部２２０等の機能を用いて実現することができる。
【0168】
【0169】
かかる構成で、秘匿化部６５１は、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する。推定部６５２は、第二文字列に対して応答された第三文字列に基づいて、秘匿化の対象として検出された部分文字列の置き換えが行われていない第一文字列に対する応答である第四文字列を推定する。
【0170】
推定システム６５０によれば、秘匿化された第二文字列を用いて応答を取得することができ、秘匿化情報が第三者に漏洩する可能性を低減させることができる。かつ、推定システム６５０によれば、秘匿化の対象の情報に応じた応答を推定することができる。
秘匿化部６５１は、例えば、図３の秘匿化部１９２等の機能を用いて実現することができる。推定部６５２は、例えば、図４の推定部２９２等の機能を用いて実現することができる。
秘匿化部６５１は、例えば、図３の秘匿化部１９２等の機能を用いて実現することができる。推定部６５２は、例えば、図４の推定部２９２等の機能を用いて実現することができる。
【0171】
＜第七実施形態＞
図１７は、少なくとも１つの実施形態に係る秘匿化方法における処理の手順の例を示す図である。
図１７に示す秘匿化方法は、秘匿化を行うこと（ステップＳ６１１）と、秘匿化されたプロンプトを発行すること（ステップＳ６１２）とを含む。
図１７は、少なくとも１つの実施形態に係る秘匿化方法における処理の手順の例を示す図である。
図１７に示す秘匿化方法は、秘匿化を行うこと（ステップＳ６１１）と、秘匿化されたプロンプトを発行すること（ステップＳ６１２）とを含む。
【0172】
秘匿化を行うこと（ステップＳ６１１）では、コンピュータが、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する。
秘匿化されたプロンプトを発行すること（ステップＳ６１２）では、コンピュータが、第二文字列を、第二文字列に対する応答を出力する装置に入力する。
秘匿化されたプロンプトを発行すること（ステップＳ６１２）では、コンピュータが、第二文字列を、第二文字列に対する応答を出力する装置に入力する。
【0173】
図１７に示す秘匿化方法によれば、第二文字列に対する応答を出力する装置に対する入力文字列を、秘匿化の対象となっている情報が秘匿化された文字列とすることができる。これにより、図１７に示す秘匿化方法によれば、秘匿化の対象となっている情報が漏洩する可能性を低減させることができる。かつ、図１７に示す秘匿化方法によれば、秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられていることで、秘匿化の対象となっている情報に応じた応答を得られると期待される。
【0174】
【0175】
推定を行うこと（ステップＳ６２１）では、コンピュータが、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する。
【0176】
図１８に示す推定方法によれば、秘匿化された第二文字列を用いて応答を取得することができ、秘匿化情報が第三者に漏洩する可能性を低減させることができる。かつ、図１８に示す推定方法によれば、秘匿化の対象の情報に応じた応答を推定することができる。
【0177】
＜第九実施形態＞
図１９は、少なくとも１つの実施形態に係る推定方法における処理の手順の、もう１つの例を示す図である。
図１９に示す推定方法は、秘匿化を行うこと（ステップＳ６３１）と、推定を行うこと（ステップＳ６３２）とを含む。
図１９は、少なくとも１つの実施形態に係る推定方法における処理の手順の、もう１つの例を示す図である。
図１９に示す推定方法は、秘匿化を行うこと（ステップＳ６３１）と、推定を行うこと（ステップＳ６３２）とを含む。
【0178】
秘匿化を行うこと（ステップＳ６３１）では、コンピュータが、第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する。
推定を行うこと（ステップＳ６３２）では、コンピュータが、第二文字列に対して応答された第三文字列に基づいて、秘匿化の対象として検出された部分文字列の置き換えが行われていない第一文字列に対する応答である第四文字列を推定する。
推定を行うこと（ステップＳ６３２）では、コンピュータが、第二文字列に対して応答された第三文字列に基づいて、秘匿化の対象として検出された部分文字列の置き換えが行われていない第一文字列に対する応答である第四文字列を推定する。
【0179】
図１９に示す推定方法によれば、秘匿化された第二文字列を用いて応答を取得することができ、秘匿化情報が第三者に漏洩する可能性を低減させることができる。かつ、図１９に示す推定方法によれば、秘匿化の対象の情報に応じた応答を推定することができる。
【0180】
上述した秘匿化装置は、たとえば、患者の病状を表すカルテの情報から、患者に対して施す治療の方法や、患者に対して投与する薬を検索するシステムにおいても用いることができる。たとえば、カルテを電子的に管理している電子カルテシステムは、医者の指示によって、治療の方法や投与する薬を検索する検索システムに、電子カルテの情報を送信する。検索システムは、電子カルテの情報における文章を用いて、治療法や薬を検索するための第一文字列を作成し、作成した文字列を、上述したような推定システムに送信する。あるいは、検索システムは、上述したような推定システムを含んでいてもよい。検索システムは、推定システムから取得された第四文字列を、電子カルテステムに送信する。電子カルテシステムは、該第四文字列を受信し、受信した第四文字列を表示する。
【0181】
上述した秘匿化装置は、たとえば、ある犯罪体が起こした事件の推移を表す書類から、該犯罪体に対する量刑を検索するシステムにおいても用いることができる。たとえば、事件の推移を表す書類を電子的に管理している管理システムは、検察官、裁判官、弁護士の指示によって、量刑を検索する検索システムに、事件の推移を表す書類についての情報を送信する。検索システムは、事件の推移を表す書類における文章を用いて、量刑を検索するための第一文字列を作成し、作成した文字列を、上述したような推定システムに送信する。あるいは、検索システムは、上述したような推定システムを含んでいてもよい。検索システムは、推定システムから取得された第四文字列を、管理システムに送信する。管理システムは、該第四文字列を受信し、受信した第四文字列を表示する。
【0182】
上述した秘匿化装置は、たとえば、消費者の購入履歴から、該消費者に対して推奨する商品を検索するシステムにおいても用いることができる。たとえば、消費者の購入履歴を表す情報を電子的に管理している管理システムは、消費者に対して推奨する商品を検索する検索システムに、消費者の購入履歴の情報を送信する。検索システムは、消費者の購入履歴の情報における文章を用いて、消費者に対して推奨する商品を検索するための第一文字列を作成し、作成した文字列を、上述したような推定システムに送信する。あるいは、検索システムは、上述したような推定システムを含んでいてもよい。検索システムは、推定システムから取得された第四文字列を、管理システムに送信する。管理システムは、該第四文字列を受信し、受信した第四文字列を表示する。
【0183】
図２０は、少なくとも１つの実施形態に係るコンピュータの構成の例を示す図である。
図２０に示す構成で、コンピュータ７００は、ＣＰＵ７１０と、主記憶装置７２０と、補助記憶装置７３０と、インタフェース７４０と、不揮発性記録媒体７５０とを備える。
図２０に示す構成で、コンピュータ７００は、ＣＰＵ７１０と、主記憶装置７２０と、補助記憶装置７３０と、インタフェース７４０と、不揮発性記録媒体７５０とを備える。
【0184】
上記の秘匿化装置１００、推定装置２００、学習制御装置３００、秘匿化装置６１０、推定装置６２０、表示装置６３０、表示装置６４０、および、推定システム６５０のうち何れか１つ以上またはその一部が、コンピュータ７００に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ７１０は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置７２０に確保する。各装置と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。また、インタフェース７４０は、不揮発性記録媒体７５０用のポートを有し、不揮発性記録媒体７５０からの情報の読出、および、不揮発性記録媒体７５０への情報の書込を行う。
【0185】
秘匿化装置１００がコンピュータ７００に実装される場合、第一制御部１９０およびその各部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0186】
また、ＣＰＵ７１０は、プログラムに従って、第一記憶部１８０のための記憶領域を主記憶装置７２０に確保する。第一通信部１１０による他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。第一表示部１２０による画像の表示は、インタフェース７４０が表示装置を備え、ＣＰＵ７１０の制御に従って各種画像の表示することで実行される。第一操作入力部１３０によるユーザ操作の受け付けは、インタフェース７４０が入力デバイスを備え、ＣＰＵ７１０の制御に従ってユーザ操作を受け付けることで実行される。
【0187】
推定装置２００がコンピュータ７００に実装される場合、第二制御部２９０およびその各部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0188】
また、ＣＰＵ７１０は、プログラムに従って、第二記憶部２８０のための記憶領域を主記憶装置７２０に確保する。第二通信部２１０による他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。第二表示部２２０による画像の表示は、インタフェース７４０が表示装置を備え、ＣＰＵ７１０の制御に従って各種画像の表示することで実行される。第二操作入力部２３０によるユーザ操作の受け付けは、インタフェース７４０が入力デバイスを備え、ＣＰＵ７１０の制御に従ってユーザ操作を受け付けることで実行される。
【0189】
学習制御装置３００がコンピュータ７００に実装される場合、第三制御部３９０およびその各部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0190】
また、ＣＰＵ７１０は、プログラムに従って、第三記憶部３８０のための記憶領域を主記憶装置７２０に確保する。第三通信部３１０による他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。第三表示部３２０による画像の表示は、インタフェース７４０が表示装置を備え、ＣＰＵ７１０の制御に従って各種画像の表示することで実行される。第三操作入力部３３０によるユーザ操作の受け付けは、インタフェース７４０が入力デバイスを備え、ＣＰＵ７１０の制御に従ってユーザ操作を受け付けることで実行される。
【0191】
秘匿化装置６１０がコンピュータ７００に実装される場合、秘匿化部６１１と、秘匿化プロンプト発行部６１２との動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0192】
また、ＣＰＵ７１０は、プログラムに従って、秘匿化装置６１０が処理を行うための記憶領域を主記憶装置７２０に確保する。秘匿化装置６１０と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。秘匿化装置６１０とユーザとのインタラクションは、インタフェース７４０が入力デバイスおよび出力デバイスを有し、ＣＰＵ７１０の制御に従って出力デバイスにて情報をユーザに提示し、入力デバイスにてユーザ操作を受け付けることで実行される。
【0193】
推定装置６２０がコンピュータ７００に実装される場合、推定部６２１の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0194】
また、ＣＰＵ７１０は、プログラムに従って、推定装置６２０が処理を行うための記憶領域を主記憶装置７２０に確保する。推定装置６２０と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。推定装置６２０とユーザとのインタラクションは、インタフェース７４０が入力デバイスおよび出力デバイスを有し、ＣＰＵ７１０の制御に従って出力デバイスにて情報をユーザに提示し、入力デバイスにてユーザ操作を受け付けることで実行される。
【0195】
表示装置６３０がコンピュータ７００に実装される場合、表示装置６３０の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0196】
また、ＣＰＵ７１０は、プログラムに従って、表示装置６３０が処理を行うための記憶領域を主記憶装置７２０に確保する。表示装置６３０と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。表示装置６３０とユーザとのインタラクションは、インタフェース７４０が入力デバイスおよび出力デバイスを有し、ＣＰＵ７１０の制御に従って出力デバイスにて情報をユーザに提示し、入力デバイスにてユーザ操作を受け付けることで実行される。
【0197】
表示装置６４０がコンピュータ７００に実装される場合、表示装置６４０の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0198】
また、ＣＰＵ７１０は、プログラムに従って、表示装置６４０が処理を行うための記憶領域を主記憶装置７２０に確保する。表示装置６４０と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。表示装置６４０とユーザとのインタラクションは、インタフェース７４０が入力デバイスおよび出力デバイスを有し、ＣＰＵ７１０の制御に従って出力デバイスにて情報をユーザに提示し、入力デバイスにてユーザ操作を受け付けることで実行される。
【0199】
推定システム６５０がコンピュータ７００に実装される場合、秘匿化部６５１と、推定部６５２との動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
【0200】
また、ＣＰＵ７１０は、プログラムに従って、推定システム６５０が処理を行うための記憶領域を主記憶装置７２０に確保する。推定システム６５０と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って動作することで実行される。推定システム６５０とユーザとのインタラクションは、インタフェース７４０が入力デバイスおよび出力デバイスを有し、ＣＰＵ７１０の制御に従って出力デバイスにて情報をユーザに提示し、入力デバイスにてユーザ操作を受け付けることで実行される。
【0201】
上述したプログラムのうち何れか１つ以上が不揮発性記録媒体７５０に記録されていてもよい。この場合、インタフェース７４０が不揮発性記録媒体７５０からプログラムを読み出すようにしてもよい。そして、ＣＰＵ７１０が、インタフェース７４０が読み出したプログラムを直接実行するか、あるいは、主記憶装置７２０または補助記憶装置７３０に一旦保存して実行するようにしてもよい。
【0202】
なお、秘匿化装置１００、推定装置２００、学習制御装置３００、秘匿化装置６１０、推定装置６２０、表示装置６３０、表示装置６４０、および、推定システム６５０が行う処理の全部または一部を実行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各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳ（Operating System）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（Read Only Memory）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）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等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前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であってもよい。
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（Read Only Memory）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）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等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前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であってもよい。
【0203】
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
【0204】
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
【0205】
（付記１）
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、
を備える秘匿化装置。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する秘匿化プロンプト発行手段と、
を備える秘匿化装置。
【0206】
（付記２）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記１に記載の秘匿化装置。
【0207】
（付記３）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記１に記載の秘匿化装置。
【0208】
（付記４）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記１に記載の秘匿化装置。
【0209】
（付記５）
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記４に記載の秘匿化装置。
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記４に記載の秘匿化装置。
【0210】
（付記６）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記４または付記５に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記４または付記５に記載の秘匿化装置。
【0211】
（付記７）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記１に記載の秘匿化装置。
【0212】
（付記８）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記１に記載の秘匿化装置。
【0213】
（付記９）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記１に記載の秘匿化装置。
【0214】
（付記１０）
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記９に記載の秘匿化装置。
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記９に記載の秘匿化装置。
【0215】
（付記１１）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記９または付記１０に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記９または付記１０に記載の秘匿化装置。
【0216】
（付記１２）
前記秘匿化手段は、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記１に記載の秘匿化装置。
【0217】
（付記１３）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記１に記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記１に記載の秘匿化装置。
【0218】
（付記１４）
前記秘匿化手段は、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記１から付記１３の何れか一つに記載の秘匿化装置。
前記秘匿化手段は、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記１から付記１３の何れか一つに記載の秘匿化装置。
【0219】
（付記１５）
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記１から付記１４の何れか一つに記載の秘匿化装置。
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記１から付記１４の何れか一つに記載の秘匿化装置。
【0220】
（付記１６）
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段
を備える推定装置。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段
を備える推定装置。
【0221】
（付記１７）
前記推定手段は、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記１６に記載の推定装置。
前記推定手段は、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記１６に記載の推定装置。
【0222】
（付記１８）
前記推定手段は、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記１７に記載の推定装置。
前記推定手段は、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記１７に記載の推定装置。
【0223】
（付記１９）
前記推定手段は、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記１６に記載の推定装置。
前記推定手段は、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記１６に記載の推定装置。
【0224】
（付記２０）
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示する表示手段
を備える表示装置。
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示する表示手段
を備える表示装置。
【0225】
（付記２１）
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示する表示手段
を備える表示装置。
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示する表示手段
を備える表示装置。
【0226】
（付記２２）
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段と、
を備える推定システム。
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成する秘匿化手段と、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する推定手段と、
を備える推定システム。
【0227】
（付記２３）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記２２に記載の推定システム。
【0228】
（付記２４）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記２２に記載の推定システム。
【0229】
（付記２５）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記２２に記載の推定システム。
【0230】
（付記２６）
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記２５に記載の推定システム。
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記２５に記載の推定システム。
【0231】
（付記２７）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記２５または付記２６に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記２５または付記２６に記載の推定システム。
【0232】
（付記２８）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記２２に記載の推定システム。
【0233】
（付記２９）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記２２に記載の推定システム。
【0234】
（付記３０）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記２２に記載の推定システム。
【0235】
（付記３１）
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記３０に記載の推定システム。
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記３０に記載の推定システム。
【0236】
（付記３２）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記３０または付記３１に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記３０または付記３１に記載の推定システム。
【0237】
（付記３３）
前記秘匿化手段は、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記２２に記載の推定システム。
【0238】
（付記３４）
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記２２に記載の推定システム。
前記秘匿化手段は、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記２２に記載の推定システム。
【0239】
（付記３５）
前記秘匿化手段は、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記２２から付記３４の何れか一つに記載の推定システム。
前記秘匿化手段は、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記２２から付記３４の何れか一つに記載の推定システム。
【0240】
（付記３６）
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記２２から付記３５の何れか一つに記載の推定システム。
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記２２から付記３５の何れか一つに記載の推定システム。
【0241】
（付記３７）
前記推定手段は、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記２２から３６の何れか一つに記載の推定システム。
前記推定手段は、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記２２から３６の何れか一つに記載の推定システム。
【0242】
（付記３８）
前記推定手段は、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記２２から３７の何れか一つに記載の推定システム。
前記推定手段は、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記２２から３７の何れか一つに記載の推定システム。
【0243】
（付記３９）
前記推定手段は、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記２２から３６の何れか一つに記載の推定システム。
前記推定手段は、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記２２から３６の何れか一つに記載の推定システム。
【0244】
（付記４０）
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する、
ことを含む秘匿化方法。
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力する、
ことを含む秘匿化方法。
【0245】
（付記４１）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記４０に記載の秘匿化方法。
【0246】
（付記４２）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記４０に記載の秘匿化方法。
【0247】
（付記４３）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記４０に記載の秘匿化方法。
【0248】
（付記４４）
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記４３に記載の秘匿化方法。
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記４３に記載の秘匿化方法。
【0249】
（付記４５）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記４３または付記４４に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記４３または付記４４に記載の秘匿化方法。
【0250】
（付記４６）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記４０に記載の秘匿化方法。
【0251】
（付記４７）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記４０に記載の秘匿化方法。
【0252】
（付記４８）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記４０に記載の秘匿化方法。
【0253】
（付記４９）
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記４８に記載の秘匿化方法。
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記４８に記載の秘匿化方法。
【0254】
（付記５０）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記４８または付記４９に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記４８または付記４９に記載の秘匿化方法。
【0255】
（付記５１）
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記４０に記載の秘匿化方法。
【0256】
（付記５２）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記４０に記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記４０に記載の秘匿化方法。
【0257】
（付記５３）
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記４０から付記５２の何れか一つに記載の秘匿化方法。
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記４０から付記５２の何れか一つに記載の秘匿化方法。
【0258】
（付記５４）
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記４０から付記５３の何れか一つに記載の秘匿化方法。
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記４０から付記５３の何れか一つに記載の秘匿化方法。
【0259】
（付記５５）
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する
ことを含む推定方法。
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する
ことを含む推定方法。
【0260】
（付記５６）
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記５５に記載の推定方法。
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記５５に記載の推定方法。
【0261】
（付記５７）
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記５６に記載の推定方法。
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記５６に記載の推定方法。
【0262】
（付記５８）
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記５７に記載の推定方法。
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記５７に記載の推定方法。
【0263】
（付記５９）
コンピュータが、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示すること
を含む表示方法。
コンピュータが、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示すること
を含む表示方法。
【0264】
（付記６０）
コンピュータが、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示すること
を含む表示方法。
コンピュータが、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示すること
を含む表示方法。
【0265】
（付記６１）
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する、
ことを含む推定方法。
コンピュータが、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定する、
ことを含む推定方法。
【0266】
（付記６２）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換える、
付記６１に記載の推定方法。
【0267】
（付記６３）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換える、
付記６１に記載の推定方法。
【0268】
（付記６４）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換える、
付記６１に記載の推定方法。
【0269】
（付記６５）
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記６４に記載の推定方法。
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記６４に記載の推定方法。
【0270】
（付記６６）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記６４または付記６５に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記６４または付記６５に記載の推定方法。
【0271】
（付記６７）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換える、
付記６１に記載の推定方法。
【0272】
（付記６８）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換える、
付記６１に記載の推定方法。
【0273】
（付記６９）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換える、
付記６１に記載の推定方法。
【0274】
（付記７０）
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記６９に記載の推定方法。
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について学習されている、
付記６９に記載の推定方法。
【0275】
（付記７１）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記６９または付記７０に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得する、
付記６９または付記７０に記載の推定方法。
【0276】
（付記７２）
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換える、
付記６１に記載の推定方法。
【0277】
（付記７３）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記６１に記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択する、
付記６１に記載の推定方法。
【0278】
（付記７４）
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記６１から付記７３の何れか一つに記載の推定方法。
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用する、
付記６１から付記７３の何れか一つに記載の推定方法。
【0279】
（付記７５）
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記６１から付記７４の何れか一つに記載の推定方法。
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記６１から付記７４の何れか一つに記載の推定方法。
【0280】
（付記７６）
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記６１から７５の何れか一つに記載の推定方法。
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換える、
付記６１から７５の何れか一つに記載の推定方法。
【0281】
（付記７７）
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記６１から７６の何れか一つに記載の推定方法。
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換える、
付記６１から７６の何れか一つに記載の推定方法。
【0282】
（付記７８）
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記６１から７７の何れか一つに記載の推定方法。
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得する、
付記６１から７７の何れか一つに記載の推定方法。
【0283】
（付記７９）
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成することと、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力することと、
を実行させるプログラム。
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成することと、
前記第二文字列を、前記第二文字列に対する応答を出力する装置に入力することと、
を実行させるプログラム。
【0284】
（付記８０）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0285】
（付記８１）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0286】
（付記８２）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0287】
（付記８３）
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記８２に記載のプログラム。
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について学習されている、
付記８２に記載のプログラム。
【0288】
（付記８４）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記８２または付記８３に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記８２または付記８３に記載のプログラム。
【0289】
（付記８５）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0290】
（付記８６）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0291】
（付記８７）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0292】
（付記８８）
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について予め学習されている、
付記８７に記載のプログラム。
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について予め学習されている、
付記８７に記載のプログラム。
【0293】
（付記８９）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記８７または付記８８に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記８７または付記８８に記載のプログラム。
【0294】
（付記９０）
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換えること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換えること、
を実行させる、付記７９に記載のプログラム。
【0295】
（付記９１）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択すること、
を実行させる、付記７９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択すること、
を実行させる、付記７９に記載のプログラム。
【0296】
（付記９２）
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用すること、
を実行させる、付記７９から付記９１の何れか一つに記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用すること、
を実行させる、付記７９から付記９１の何れか一つに記載のプログラム。
【0297】
（付記９３）
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記７９から付記９２の何れか一つに記載のプログラム。
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記７９から付記９２の何れか一つに記載のプログラム。
【0298】
（付記９４）
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定すること
を実行させるプログラム。
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定すること
を実行させるプログラム。
【0299】
（付記９５）
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換えること、
を実行させる、付記９４に記載のプログラム。
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換えること、
を実行させる、付記９４に記載のプログラム。
【0300】
（付記９６）
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換えること、
を実行させる、付記９５に記載のプログラム。
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換えること、
を実行させる、付記９５に記載のプログラム。
【0301】
（付記９７）
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得すること、
を実行させる、付記９６に記載のプログラム。
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得すること、
を実行させる、付記９６に記載のプログラム。
【0302】
（付記９８）
コンピュータに、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示すること
を実行させるプログラム。
コンピュータに、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列を表示すること
を実行させるプログラム。
【0303】
（付記９９）
コンピュータに、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示すること
を実行させるプログラム。
コンピュータに、
第一文字列のうち秘匿化の対象に該当する部分文字列が他の部分文字列に置き換えられた第二文字列に対する応答である第三文字列に基づいて推定された、前記秘匿化の対象に該当する部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を表示すること
を実行させるプログラム。
【0304】
（付記１００）
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定すること、
を実行させるプログラム。
コンピュータに、
第一文字列のうち秘匿化の対象として検出された部分文字列が他の部分文字列に置き換えられた第二文字列を生成し、
前記第二文字列に対して応答された第三文字列に基づいて、前記秘匿化の対象として検出された部分文字列の置き換えが行われていない前記第一文字列に対する応答である第四文字列を推定すること、
を実行させるプログラム。
【0305】
（付記１０１）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0306】
（付記１０２）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列が付加された文字列のハッシュ値に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0307】
（付記１０３）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列のハッシュ値に所定の文字列が付加された部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0308】
（付記１０４）
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について予め学習されている、
付記１０３に記載のプログラム。
前記第二文字列の入力を受けて前記応答を出力する装置が、ハッシュ値に付加する前記所定の文字列について予め学習されている、
付記１０３に記載のプログラム。
【0309】
（付記１０５）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記１０３または付記１０４に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記１０３または付記１０４に記載のプログラム。
【0310】
（付記１０６）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0311】
（付記１０７）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列に乱数による文字列を付加した文字列を暗号化して得られた部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0312】
（付記１０８）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、その部分文字列を暗号化して得られた文字列に所定の文字列を付加した部分文字列に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0313】
（付記１０９）
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について予め学習されている、
付記１００に記載のプログラム。
前記第二文字列の入力を受けて前記応答を出力する装置が、暗号化された文字列に付加されている前記所定の文字列について予め学習されている、
付記１００に記載のプログラム。
【0314】
（付記１１０）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記１０８または付記１０９に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列を、学習済みの機械学習モデルに入力して、前記所定の文字列を取得すること、
を実行させる、付記１０８または付記１０９に記載のプログラム。
【0315】
（付記１１１）
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換えること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列に含まれている単語のうち秘匿化の対象として検出された単語を、その単語と同じ品詞の単語に置き換えること、
を実行させる、付記１００に記載のプログラム。
【0316】
（付記１１２）
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択すること、
を実行させる、付記１００に記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列のうち前記秘匿化の対象として検出された部分文字列の特徴ベクトルを生成し、生成した特徴ベクトルに基づいて、置き換え先の部分文字列の候補のうち何れかを選択すること、
を実行させる、付記１００に記載のプログラム。
【0317】
（付記１１３）
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用すること、
を実行させる、付記１００から付記１１２の何れか一つに記載のプログラム。
前記第二文字列を生成することでは、前記第一文字列の部分文字列の置き換えとして、プライバシーの保護基準として定められている基準を満たすような置き換えを採用すること、
を実行させる、付記１００から付記１１２の何れか一つに記載のプログラム。
【0318】
（付記１１４）
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記１００から付記１１３の何れか一つに記載のプログラム。
前記第二文字列に対する応答を出力する装置は、前記第二文字列と、前記第一文字列に対するその装置の出力として所望される文字列に対して前記秘匿化手段が部分文字列の置き換えをおこなった文字列とを用いて訓練されている、
付記１００から付記１１３の何れか一つに記載のプログラム。
【0319】
（付記１１５）
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換えること、
を実行させる、付記１００から１１４の何れか一つに記載のプログラム。
前記推定することでは、前記第三文字列の部分文字列のうち、部分文字列の置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている部分文字列に置き換えること、
を実行させる、付記１００から１１４の何れか一つに記載のプログラム。
【0320】
（付記１１６）
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換えること、
を実行させる、付記１００から１１５の何れか一つに記載のプログラム。
前記推定することでは、部分文字列の置き換え規則にて、置き換え先の１つの文字列に対して置き換え前の文字列が複数ある場合、前記第三文字列の部分文字列のうち、その置き換え規則にて置き換え先の文字列として指定されている部分文字列を、置き換え前の文字列として指定されている複数の文字列のうち何れか一つに置き換えること、
を実行させる、付記１００から１１５の何れか一つに記載のプログラム。
【0321】
（付記１１７）
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得すること、
を実行させる、付記１００から１１６の何れか一つに記載のプログラム。
前記推定することでは、秘匿化の対象として検出された部分文字列の置き換え前の文字列である第五文字列と、置き換え後の文字列である第六文字列と、その第六文字列の入力に対する応答である第七文字列とを含むデータを入力データとし、その第五文字列に対する応答である第八文字列を正解データとする訓練データを用いて訓練された機械学習モデルに、前記第一文字列と、前記第二文字列と、前記第三文字列とを含むデータを入力して、前記第四文字列の推定値を取得すること、
を実行させる、付記１００から１１６の何れか一つに記載のプログラム。
【符号の説明】
【0322】
１ 推定システム
２、３ 学習システム
１００ 秘匿化装置
１１０ 第一通信部
１２０ 第一表示部
１３０ 第一操作入力部
１８０ 第一記憶部
１９０ 第一制御部
１９１ プロンプト取得部
１９２ 秘匿化部
１９３ 秘匿化プロンプト発行部
２００ 推定装置
２１０ 第二通信部
２２０ 第二表示部
２３０ 第二操作入力部
２８０ 第二記憶部
２９０ 第二制御部
２９１ 応答取得部
２９２ 推定部
２９３ 理想応答出力部
３００ 学習制御装置
３１０ 第三通信部
３２０ 第三表示部
３３０ 第三操作入力部
３８０ 第三記憶部
３９０ 第三制御部
３９１ 訓練データ取得部
３９２ 学習制御部
９１０ 応答装置
２、３ 学習システム
１００ 秘匿化装置
１１０ 第一通信部
１２０ 第一表示部
１３０ 第一操作入力部
１８０ 第一記憶部
１９０ 第一制御部
１９１ プロンプト取得部
１９２ 秘匿化部
１９３ 秘匿化プロンプト発行部
２００ 推定装置
２１０ 第二通信部
２２０ 第二表示部
２３０ 第二操作入力部
２８０ 第二記憶部
２９０ 第二制御部
２９１ 応答取得部
２９２ 推定部
２９３ 理想応答出力部
３００ 学習制御装置
３１０ 第三通信部
３２０ 第三表示部
３３０ 第三操作入力部
３８０ 第三記憶部
３９０ 第三制御部
３９１ 訓練データ取得部
３９２ 学習制御部
９１０ 応答装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】