JP6987329B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP6987329B2 JP6987329B2 JP2021556667A JP2021556667A JP6987329B2 JP 6987329 B2 JP6987329 B2 JP 6987329B2 JP 2021556667 A JP2021556667 A JP 2021556667A JP 2021556667 A JP2021556667 A JP 2021556667A JP 6987329 B2 JP6987329 B2 JP 6987329B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation value
- keywords
- supplier
- information
- evaluated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1441—Countermeasures against malicious traffic
- H04L63/1466—Active attacks involving interception, injection, modification, spoofing of data unit addresses, e.g. hijacking, packet injection or TCP sequence number attacks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1433—Vulnerability analysis
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/06—Network architectures or network communication protocols for network security for supporting key management in a packet data network
- H04L63/062—Network architectures or network communication protocols for network security for supporting key management in a packet data network for key distribution, e.g. centrally by trusted party
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/105—Multiple levels of security
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本開示は、サプライヤーの情報セキュリティ水準の評価に関する。
ＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）の普及により、１つの製品又はサービスを開発するには、サプライヤーの協力が不可欠である。このため、安全かつ安心なサプライチェーンの形成が求められる。サプライチェーンとは、原料から製品又はサービスが消費者に届くまでの一連のビジネス活動の流れである。
サプライチェーンを悪用したサイバー攻撃をサプライチェーン攻撃という。サプライチェーン攻撃では、例えば、サプライヤーにおける製造段階でＩＴ機器又はソフトウェアにマルウェア又はバックドアを埋め込むことが行われる。また、サプライヤーからのアップデートプログラム又はパッチにマルウェア又はバックドアを埋め込むことも行われる。
サプライチェーン攻撃を回避するためには、バイヤーは、サプライヤーの情報セキュリティ水準（以下、「セキュリティ水準」ともいう）にも注意を払う必要がある。更に、バイヤーは、例えば、情報セキュリティ水準が要求レベルにあるサプライヤーとのみ取引を行う、情報セキュリティ水準が要求レベルにないサプライヤーには改善を要請する等の措置を講じることが必要である。
サプライチェーンを悪用したサイバー攻撃をサプライチェーン攻撃という。サプライチェーン攻撃では、例えば、サプライヤーにおける製造段階でＩＴ機器又はソフトウェアにマルウェア又はバックドアを埋め込むことが行われる。また、サプライヤーからのアップデートプログラム又はパッチにマルウェア又はバックドアを埋め込むことも行われる。
サプライチェーン攻撃を回避するためには、バイヤーは、サプライヤーの情報セキュリティ水準（以下、「セキュリティ水準」ともいう）にも注意を払う必要がある。更に、バイヤーは、例えば、情報セキュリティ水準が要求レベルにあるサプライヤーとのみ取引を行う、情報セキュリティ水準が要求レベルにないサプライヤーには改善を要請する等の措置を講じることが必要である。
特許文献１では、セキュリティ事象に関する情報の情報源を評価することで、セキュリティに関する有用な情報を容易に取得できる技術が開示されている。
特許文献１の技術では、セキュリティ事象に関する情報の情報源が評価される。セキュリティ事象とは、サイバー攻撃、不正アクセス等を含む、セキュリティ上問題となり得る事象である。そして、特許文献１の技術では、情報源の評価により、セキュリティ事象に対処する上で有用な情報が取得される。
このように、特許文献１の技術では、セキュリティ事象が発生したときに、セキュリティ事象に対処するための情報を収集することができるのみである。
このように、特許文献１の技術では、セキュリティ事象が発生したときに、セキュリティ事象に対処するための情報を収集することができるのみである。
前述のように、サプライチェーン攻撃を回避するためには、バイヤーはサプライヤーの情報セキュリティ水準を把握する必要がある。しかしながら、特許文献１の技術では、サプライヤーの情報セキュリティに関する評価を得ることができないという課題がある。
本開示は、上記のような課題を解決することを主な目的の一つとしている。より具体的には、本開示は、サプライヤーの情報セキュリティに関する評価を得ることができる構成を実現することを主な目的とする。
本開示に係る情報処理装置は、
情報セキュリティに関する評価がなされている評価済みサプライヤーの情報セキュリティに関する評価値を取得する評価値取得部と、
前記評価済みサプライヤーについての、情報セキュリティに関する２以上のキーワードの各々の公開情報での出現数を取得する出現数取得部と、
前記評価済みサプライヤーの評価値と前記評価済みサプライヤーについての前記２以上のキーワードの各々の公開情報での出現数とを用いた重回帰分析を行って、説明変数が前記２以上のキーワードの各々の公開情報での出現数であり、目的変数が評価値である回帰モデルを生成するモデル生成部とを有する。
情報セキュリティに関する評価がなされている評価済みサプライヤーの情報セキュリティに関する評価値を取得する評価値取得部と、
前記評価済みサプライヤーについての、情報セキュリティに関する２以上のキーワードの各々の公開情報での出現数を取得する出現数取得部と、
前記評価済みサプライヤーの評価値と前記評価済みサプライヤーについての前記２以上のキーワードの各々の公開情報での出現数とを用いた重回帰分析を行って、説明変数が前記２以上のキーワードの各々の公開情報での出現数であり、目的変数が評価値である回帰モデルを生成するモデル生成部とを有する。
本開示によれば、サプライヤーの情報セキュリティに関する評価を得ることができる。
以下、実施の形態を図を用いて説明する。以下の実施の形態の説明及び図面において、同一の符号を付したものは、同一の部分又は相当する部分を示す。
実施の形態１．
＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係るセキュリティ水準検証システム１０００の構成例を示す。
＊＊＊構成の説明＊＊＊
図１は、本実施の形態に係るセキュリティ水準検証システム１０００の構成例を示す。
情報処理装置１０は、バイヤー３０からの評価要求に従い、サプライヤー２０の情報セキュリティ水準を評価する。
情報処理装置１０はコンピュータである。情報処理装置１０の動作手順は、情報処理方法に相当する。また、情報処理装置１０の動作を実現するプログラムは、情報処理プログラムに相当する。
情報処理装置１０は、例えば、セキュリティ水準検証機関に配置されている。
情報処理装置１０はコンピュータである。情報処理装置１０の動作手順は、情報処理方法に相当する。また、情報処理装置１０の動作を実現するプログラムは、情報処理プログラムに相当する。
情報処理装置１０は、例えば、セキュリティ水準検証機関に配置されている。
サプライヤー２０は、バイヤー３０とは異なる企業である。
サプライヤー２０は、バイヤー３０の製品又はサービスに用いられる物品をバイヤー３０に納入する企業である。サプライヤー２０がバイヤー３０に納入する物品を納入品という。
納入品は、原料、部品、半完成品、製造機器、包装、容器、ツール、ソフトウェア等、バイヤー３０の製品又はサービスに用いられるあらゆる有体物又は無体物である。
サプライヤー２０は、既にバイヤー３０に納入品を納入していてもよいし、まだバイヤー３０に納入品を納入していなくてもよい。つまり、サプライヤー２０は、バイヤー３０にとって潜在的な取引先であってもよい。
サプライヤー２０は、バイヤー３０の製品又はサービスに用いられる物品をバイヤー３０に納入する企業である。サプライヤー２０がバイヤー３０に納入する物品を納入品という。
納入品は、原料、部品、半完成品、製造機器、包装、容器、ツール、ソフトウェア等、バイヤー３０の製品又はサービスに用いられるあらゆる有体物又は無体物である。
サプライヤー２０は、既にバイヤー３０に納入品を納入していてもよいし、まだバイヤー３０に納入品を納入していなくてもよい。つまり、サプライヤー２０は、バイヤー３０にとって潜在的な取引先であってもよい。
バイヤー３０は、サプライヤー２０の納入品の納入先の企業である。
前述したように、バイヤー３０は、サプライヤー２０からの納入品の納入を既に受けていてもよいし、まだサプライヤー２０からの納入品の納入を受けていなくてもよい。
バイヤー３０では、バイヤー端末装置３１が稼動する。バイヤー端末装置３１はコンピュータである。
前述したように、バイヤー３０は、サプライヤー２０からの納入品の納入を既に受けていてもよいし、まだサプライヤー２０からの納入品の納入を受けていなくてもよい。
バイヤー３０では、バイヤー端末装置３１が稼動する。バイヤー端末装置３１はコンピュータである。
評価機関４０は、サプライヤー２０の情報セキュリティ水準に関する評価を行い、評価値を算出する。
評価機関４０は複数存在する。
各評価機関４０には、評価機関サーバ装置４１が設置されている。評価機関サーバ装置４１は、評価値を情報処理装置１０に送信する。
評価機関４０は複数存在する。
各評価機関４０には、評価機関サーバ装置４１が設置されている。評価機関サーバ装置４１は、評価値を情報処理装置１０に送信する。
インターネット５０には、Ｗｅｂサイト情報５１とＳＮＳ情報５２が含まれる。Ｗｅｂサイト情報５１とＳＮＳ情報５２は公開情報の例である。なお、公開情報は、インターネット５０において公開されている情報であれば、Ｗｅｂサイト情報５１及びＳＮＳ情報５２に限らず、どのような情報でもよい。
Ｗｅｂサイト情報５１には、例えば、ニュースサイトでのニュース、セキュリティ関連サイトでのセキュリティ関連情報、Ｅコマースサイトでの商品レビュー、サプライヤー２０の自社サイトでの製品情報等が含まれる。また、Ｗｅｂサイト情報５１に、公的機関による事故事例情報が含まれていてもよい。
ＳＮＳ情報５２は、ＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）で共有される情報である。ＳＮＳは、コミュニティー型の情報共有サービスである。
以下では、Ｗｅｂサイト情報５１とＳＮＳ情報５２をまとめて公開情報と記す場合がある。
Ｗｅｂサイト情報５１には、例えば、ニュースサイトでのニュース、セキュリティ関連サイトでのセキュリティ関連情報、Ｅコマースサイトでの商品レビュー、サプライヤー２０の自社サイトでの製品情報等が含まれる。また、Ｗｅｂサイト情報５１に、公的機関による事故事例情報が含まれていてもよい。
ＳＮＳ情報５２は、ＳＮＳ（Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｅｒｖｉｃｅ）で共有される情報である。ＳＮＳは、コミュニティー型の情報共有サービスである。
以下では、Ｗｅｂサイト情報５１とＳＮＳ情報５２をまとめて公開情報と記す場合がある。
ここで、図１を参照して、本実施の形態に係るセキュリティ水準検証システム１０００の概要を説明する。
各評価機関４０は、サプライヤー２０の情報セキュリティに関する評価を行い、評価値を算出する。
なお、本実施の形態では、各評価機関４０では、複数のサプライヤー２０のうちの一部についての評価を行っているが、残りのサプライヤー２０については評価を行っていないものとする。
以下では、いずれかの評価機関４０により評価が行われているサプライヤー２０を評価済みサプライヤー２０という。また、いずれの評価機関４０にも評価が行われていないサプライヤー２０を未評価サプライヤー２０という。
評価機関４０により算出された評価値は評価機関サーバ装置４１で記憶される。
なお、本実施の形態では、各評価機関４０では、複数のサプライヤー２０のうちの一部についての評価を行っているが、残りのサプライヤー２０については評価を行っていないものとする。
以下では、いずれかの評価機関４０により評価が行われているサプライヤー２０を評価済みサプライヤー２０という。また、いずれの評価機関４０にも評価が行われていないサプライヤー２０を未評価サプライヤー２０という。
評価機関４０により算出された評価値は評価機関サーバ装置４１で記憶される。
インターネット５０では、Ｗｅｂサイト情報５１として、サプライヤー２０に関するニュース、サプライヤー２０の納入品に関する商品レビュー等が生成される。また、ＳＮＳ情報５２として、サプライヤー２０の納入品に関する情報が生成される。
情報処理装置１０の動作フェーズには、モデル生成フェーズと評価値算出フェーズとがある。
モデル生成フェーズでは、情報処理装置１０は、評価機関サーバ装置４１から評価済みサプライヤー２０の評価値を取得する。
また、情報処理装置１０は、例えば、Ｗｅｂサイト情報５１である、セキュリティ関連サイトでのセキュリティ関連情報を解析して、情報セキュリティに関するキーワードを複数選択する。
また、情報処理装置１０は、Ｗｅｂサイト情報５１及びＳＮＳ情報５２を調査して、調査済みサプライヤー２０についての各キーワードの出現数を取得する。
更に、情報処理装置１０は、評価機関サーバ装置４１から取得した評価済みサプライヤー２０の評価値と、Ｗｅｂサイト情報５１及びＳＮＳ情報５２から取得した評価済みサプライヤー２０についてのキーワードの出現数とを用いた重回帰分析を行って、回帰モデルを生成する。
より具体的には、情報処理装置１０は、説明変数がキーワードの出現数であり、目的変数が評価値である回帰モデルを生成する。
また、情報処理装置１０は、例えば、Ｗｅｂサイト情報５１である、セキュリティ関連サイトでのセキュリティ関連情報を解析して、情報セキュリティに関するキーワードを複数選択する。
また、情報処理装置１０は、Ｗｅｂサイト情報５１及びＳＮＳ情報５２を調査して、調査済みサプライヤー２０についての各キーワードの出現数を取得する。
更に、情報処理装置１０は、評価機関サーバ装置４１から取得した評価済みサプライヤー２０の評価値と、Ｗｅｂサイト情報５１及びＳＮＳ情報５２から取得した評価済みサプライヤー２０についてのキーワードの出現数とを用いた重回帰分析を行って、回帰モデルを生成する。
より具体的には、情報処理装置１０は、説明変数がキーワードの出現数であり、目的変数が評価値である回帰モデルを生成する。
評価値算出フェーズでは、先ず、バイヤー端末装置３１が情報処理装置１０に対して評価要求を発行する。より具体的には、バイヤー端末装置３１は、評価要求を発行して、未評価サプライヤー２０の情報セキュリティに関する評価値を算出するよう情報処理装置１０に要求する。
評価要求が発行されると、情報処理装置１０は、Ｗｅｂサイト情報５１及びＳＮＳ情報５２を調査して、評価対象の未評価サプライヤー２０（以下、評価対象サプライヤー２０という）についてのキーワードの出現数を取得する。
次に、情報処理装置１０は、取得した評価対象サプライヤー２０についてのキーワードの出現数を回帰モデルに適用して、評価対象サプライヤー２０の評価値を算出する。
そして、情報処理装置１０は、評価結果として、評価対象サプライヤー２０の評価値をバイヤー端末装置３１に送信する。
評価要求が発行されると、情報処理装置１０は、Ｗｅｂサイト情報５１及びＳＮＳ情報５２を調査して、評価対象の未評価サプライヤー２０（以下、評価対象サプライヤー２０という）についてのキーワードの出現数を取得する。
次に、情報処理装置１０は、取得した評価対象サプライヤー２０についてのキーワードの出現数を回帰モデルに適用して、評価対象サプライヤー２０の評価値を算出する。
そして、情報処理装置１０は、評価結果として、評価対象サプライヤー２０の評価値をバイヤー端末装置３１に送信する。
次に、図２を参照して、情報処理装置１０のハードウェア構成例を説明する。
図２は、情報処理装置１０のハードウェア構成例を示す。
図２は、情報処理装置１０のハードウェア構成例を示す。
情報処理装置１０は、ハードウェアとして、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３及び通信装置９０４を備える。
また、情報処理装置１０は、機能構成として、図３に示す通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６、評価値算出部１０７、取得評価値記憶部１０８、キーワード記憶部１０９、出現数記憶部１１０、モデル記憶部１１１及び算出評価値記憶部１１２を備える。通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６、評価値算出部１０７、取得評価値記憶部１０８、キーワード記憶部１０９、出現数記憶部１１０、モデル記憶部１１１及び算出評価値記憶部１１２の詳細は後述する。
補助記憶装置９０３には、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムが記憶されている。
これらプログラムは、補助記憶装置９０３から主記憶装置９０２にロードされる。そして、プロセッサ９０１がこれらプログラムを実行して、後述する通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の動作を行う。
図２では、プロセッサ９０１が通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムを実行している状態を模式的に表している。
また、取得評価値記憶部１０８、キーワード記憶部１０９、出現数記憶部１１０、モデル記憶部１１１及び算出評価値記憶部１１２は、主記憶装置９０２又は補助記憶装置９０３により実現される。
また、情報処理装置１０は、機能構成として、図３に示す通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６、評価値算出部１０７、取得評価値記憶部１０８、キーワード記憶部１０９、出現数記憶部１１０、モデル記憶部１１１及び算出評価値記憶部１１２を備える。通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６、評価値算出部１０７、取得評価値記憶部１０８、キーワード記憶部１０９、出現数記憶部１１０、モデル記憶部１１１及び算出評価値記憶部１１２の詳細は後述する。
補助記憶装置９０３には、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムが記憶されている。
これらプログラムは、補助記憶装置９０３から主記憶装置９０２にロードされる。そして、プロセッサ９０１がこれらプログラムを実行して、後述する通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の動作を行う。
図２では、プロセッサ９０１が通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムを実行している状態を模式的に表している。
また、取得評価値記憶部１０８、キーワード記憶部１０９、出現数記憶部１１０、モデル記憶部１１１及び算出評価値記憶部１１２は、主記憶装置９０２又は補助記憶装置９０３により実現される。
次に、図３を参照して、情報処理装置１０の機能構成例を説明する。
図３は、情報処理装置１０の機能構成例を示す。
図３は、情報処理装置１０の機能構成例を示す。
通信部１０１は、外部装置と通信を行う。
具体的には、通信部１０１は、例えば、評価機関４０に設置されている評価機関サーバ装置４１から、評価済みサプライヤー２０の評価値を受信する。
また、通信部１０１は、例えば、インターネット５０上のサーバ装置から、Ｗｅｂサイト情報５１、ＳＮＳ情報５２等の公開情報、キーワードの影響度、キーワードの出現数を取得する。
また、通信部１０１は、バイヤー端末装置３１から評価要求を受信し、また、バイヤー端末装置３１に評価結果を送信する。
具体的には、通信部１０１は、例えば、評価機関４０に設置されている評価機関サーバ装置４１から、評価済みサプライヤー２０の評価値を受信する。
また、通信部１０１は、例えば、インターネット５０上のサーバ装置から、Ｗｅｂサイト情報５１、ＳＮＳ情報５２等の公開情報、キーワードの影響度、キーワードの出現数を取得する。
また、通信部１０１は、バイヤー端末装置３１から評価要求を受信し、また、バイヤー端末装置３１に評価結果を送信する。
評価値取得部１０２は、通信部１０１を介して評価済みサプライヤー２０の評価値を取得する。評価値取得部１０２は、取得した評価値を取得評価値記憶部１０８に格納する。
評価値取得部１０２で行われる処理は、評価値取得処理に相当する。
評価値取得部１０２で行われる処理は、評価値取得処理に相当する。
キーワード抽出部１０３は、通信部１０１を介して公開情報を取得し、取得した公開情報から頻出するキーワードを抽出する。より具体的には、キーワード抽出部１０３は、３以上のキーワードを抽出する。
そして、キーワード抽出部１０３は抽出した３以上のキーワードを取得評価値記憶部１０８に格納する。
そして、キーワード抽出部１０３は抽出した３以上のキーワードを取得評価値記憶部１０８に格納する。
キーワード選択部１０４は、キーワード抽出部１０３から３以上のキーワードを取得し、通信部１０１を介して各キーワードの公開情報での影響度を調査し、各キーワードの影響度を通信部１０１を介して取得する。
そして、キーワード選択部１０４は、影響度に基づき、３以上のキーワードの中から２以上のキーワードを選択する。
キーワード選択部１０４は、選択した２以上のキーワードをキーワード記憶部１０９に格納する。
そして、キーワード選択部１０４は、影響度に基づき、３以上のキーワードの中から２以上のキーワードを選択する。
キーワード選択部１０４は、選択した２以上のキーワードをキーワード記憶部１０９に格納する。
出現数取得部１０５は、評価済みサプライヤー２０についての、キーワード選択部１０４により選択された２以上のキーワードの各々の公開情報での出現数を通信部１０１を介して取得する。
また、出現数取得部１０５は、評価対象サプライヤー２０についての、当該２以上のキーワードの各々の公開情報での出現数を通信部１０１を介して取得する。
そして、出現数取得部１０５は、取得した出現数を出現数記憶部１１０に格納する。
出現数取得部１０５で行われる処理は、出現数取得処理に相当する。
また、出現数取得部１０５は、評価対象サプライヤー２０についての、当該２以上のキーワードの各々の公開情報での出現数を通信部１０１を介して取得する。
そして、出現数取得部１０５は、取得した出現数を出現数記憶部１１０に格納する。
出現数取得部１０５で行われる処理は、出現数取得処理に相当する。
モデル生成部１０６は、評価済みサプライヤー２０の評価値と、評価済みサプライヤー２０についての２以上のキーワードの各々の公開情報での出現数とを用いた重回帰分析を行って回帰モデルを生成する。回帰モデルは、説明変数が２以上のキーワードの各々の公開情報での出現数であり、目的変数が評価値であるモデルである。
モデル生成部１０６で行われる処理は、モデル生成処理に相当する。
モデル生成部１０６で行われる処理は、モデル生成処理に相当する。
評価値算出部１０７は、バイヤー端末装置３１から、未評価サプライヤー２０についての評価要求を通信部１０１を介して取得した場合に、評価値を算出する。つまり、評価値算出部１０７は、評価対象サプライヤー２０についての２以上のキーワードの各々の公開情報での出現数を回帰モデルに適用して、評価対象サプライヤー２０の評価値を算出する。
そして、評価値算出部１０７は、通信部１０１を介して、評価値を評価結果としてバイヤー端末装置３１に送信する。
そして、評価値算出部１０７は、通信部１０１を介して、評価値を評価結果としてバイヤー端末装置３１に送信する。
取得評価値記憶部１０８は、評価値取得部１０２により取得された評価済みサプライヤー２０の評価値を記憶する。
キーワード記憶部１０９は、キーワード選択部１０４により選択された２以上のキーワードを記憶する。
出現数記憶部１１０は、出現数取得部１０５により取得された評価済みサプライヤー２０についてのキーワードの出現数及び評価対象サプライヤー２０についてのキーワードの出現数を記憶する。
モデル記憶部１１１は、モデル生成部１０６により生成された回帰モデルを記憶する。
算出評価値記憶部１１２は、評価値算出部１０７により算出された評価値を記憶する。
キーワード記憶部１０９は、キーワード選択部１０４により選択された２以上のキーワードを記憶する。
出現数記憶部１１０は、出現数取得部１０５により取得された評価済みサプライヤー２０についてのキーワードの出現数及び評価対象サプライヤー２０についてのキーワードの出現数を記憶する。
モデル記憶部１１１は、モデル生成部１０６により生成された回帰モデルを記憶する。
算出評価値記憶部１１２は、評価値算出部１０７により算出された評価値を記憶する。
＊＊＊動作の説明＊＊＊
次に、本実施の形態に係る情報処理装置１０の動作例を説明する。
図４は、本実施の形態に係る情報処理装置１０のモデル生成フェーズにおける動作例を示す。
次に、本実施の形態に係る情報処理装置１０の動作例を説明する。
図４は、本実施の形態に係る情報処理装置１０のモデル生成フェーズにおける動作例を示す。
ステップＳ１１において、モデル生成部１０６は、回帰モデルの生成のための学習に用いるサプライヤー２０を決定する。具体的には、モデル生成部１０６は、評価済みサプライヤー２０の中から学習に用いるサプライヤー２０を決定する。モデル生成部１０６は、例えば定期的に各評価機関４０から新たに評価された評価済みサプライヤー２０の名称を通知されるものとする。
そして、モデル生成部１０６は、決定した学習対象の評価済みサプライヤー２０の評価値を取得するよう評価値取得部１０２に指示する。
評価値取得部１０２は、通信部１０１を介して、各評価機関４０の評価機関サーバ装置４１から学習対象の評価済みサプライヤー２０の評価値を受信する。そして、評価値取得部１０２は、受信した評価値を取得評価値記憶部１０８に格納する。
そして、モデル生成部１０６は、決定した学習対象の評価済みサプライヤー２０の評価値を取得するよう評価値取得部１０２に指示する。
評価値取得部１０２は、通信部１０１を介して、各評価機関４０の評価機関サーバ装置４１から学習対象の評価済みサプライヤー２０の評価値を受信する。そして、評価値取得部１０２は、受信した評価値を取得評価値記憶部１０８に格納する。
ステップＳ１２では、キーワード抽出部１０３がキーワードを抽出する。
より具体的には、キーワード抽出部１０３は、例えば、セキュリティ関連サイトでのセキュリティ関連情報を解析して、情報セキュリティに関する頻出キーワードを抽出する。キーワード抽出部１０３は、また、ニュースサイトから頻出キーワードを抽出してもよい。更には、キーワード抽出部１０３は、最新ニュースを形態素解析し、キーワード分布から頻出キーワードを導出してもよい。
最終的に、キーワード抽出部１０３は、３以上のキーワードを抽出する。
キーワード抽出部１０３は、抽出したキーワードをキーワード選択部１０４に出力する。
より具体的には、キーワード抽出部１０３は、例えば、セキュリティ関連サイトでのセキュリティ関連情報を解析して、情報セキュリティに関する頻出キーワードを抽出する。キーワード抽出部１０３は、また、ニュースサイトから頻出キーワードを抽出してもよい。更には、キーワード抽出部１０３は、最新ニュースを形態素解析し、キーワード分布から頻出キーワードを導出してもよい。
最終的に、キーワード抽出部１０３は、３以上のキーワードを抽出する。
キーワード抽出部１０３は、抽出したキーワードをキーワード選択部１０４に出力する。
なお、ステップＳ１１とステップＳ１２は順序が入れ替わってもよい。また、ステップＳ１１とステップＳ１２とを並行して行ってもよい。
ステップＳ１３では、キーワード選択部１０４が、キーワード抽出部１０３により抽出された３以上のキーワードから２以上のキーワードを選択する。例えば、キーワード選択部１０４は、各キーワードの影響度に基づいて、キーワードを選択する。具体的には、キーワード選択部１０４は、以下の手順で各キーワードの影響度を取得する。
キーワード選択部１０４は、各キーワードと学習対象の評価済みサプライヤー２０の名称でニュースサイトを検索する。そして、キーワード選択部１０４は、キーワードごとに、キーワードと学習対象の評価済みサプライヤー２０の名称とが示されるニュースを収集する。
更に、キーワード選択部１０４は、キーワードごとに、収集したニュースのヘッドラインを検索ワードとして、検索サイトでの「表示順序」、「ヒット数」を調査する。更に、キーワード選択部１０４は、キーワードごとに、収集したニュースのヘッドラインがＳＮＳ情報５２において話題に上った回数を調査する。そして、検索サイトでの「表示順序」が高く、検索サイトでの「ヒット数」及びＳＮＳ情報５２において話題に上った回数が多いキーワードを選択する。
キーワード選択部１０４は、選択した２以上のキーワードをキーワード記憶部１０９に格納する。
キーワード選択部１０４は、各キーワードと学習対象の評価済みサプライヤー２０の名称でニュースサイトを検索する。そして、キーワード選択部１０４は、キーワードごとに、キーワードと学習対象の評価済みサプライヤー２０の名称とが示されるニュースを収集する。
更に、キーワード選択部１０４は、キーワードごとに、収集したニュースのヘッドラインを検索ワードとして、検索サイトでの「表示順序」、「ヒット数」を調査する。更に、キーワード選択部１０４は、キーワードごとに、収集したニュースのヘッドラインがＳＮＳ情報５２において話題に上った回数を調査する。そして、検索サイトでの「表示順序」が高く、検索サイトでの「ヒット数」及びＳＮＳ情報５２において話題に上った回数が多いキーワードを選択する。
キーワード選択部１０４は、選択した２以上のキーワードをキーワード記憶部１０９に格納する。
なお、以上のような手順でキーワード選択部１０４がキーワードを選択するため、特定のサプライヤー２０が自身に有利になるように情報を捏造したとしても、キーワード選択部１０４は真に影響力のあるキーワードを選択することができる。
次に、ステップＳ１４において、出現数取得部１０５が、学習対象の評価済みサプライヤー２０についての各キーワードの出現数を取得する。
具体的には、モデル生成部１０６が、キーワード記憶部１０９から２以上のキーワードを読み出し、読み出した２以上のキーワードと学習対象の評価済みサプライヤー２０の名称を出現数取得部１０５に通知する。
出現数取得部１０５は、キーワードごとに、キーワードと学習対象の評価済みサプライヤー２０の名称を検索ワードとして用い、検索サイトでの「ヒット数」を出現数として取得する。
出現数取得部１０５は、取得した各キーワードの出現数をモデル生成部１０６に通知する。
具体的には、モデル生成部１０６が、キーワード記憶部１０９から２以上のキーワードを読み出し、読み出した２以上のキーワードと学習対象の評価済みサプライヤー２０の名称を出現数取得部１０５に通知する。
出現数取得部１０５は、キーワードごとに、キーワードと学習対象の評価済みサプライヤー２０の名称を検索ワードとして用い、検索サイトでの「ヒット数」を出現数として取得する。
出現数取得部１０５は、取得した各キーワードの出現数をモデル生成部１０６に通知する。
次に、ステップＳ１５において、モデル生成部１０６が、学習対象の評価済みサプライヤー２０の評価値と学習対象の評価済みサプライヤー２０についての各キーワードの出現数を用いて、回帰モデルを生成する。
モデル生成部１０６は、取得評価値記憶部１０８から、学習対象の評価済みサプライヤー２０の評価値を読み出す。また、モデル生成部１０６は、出現数取得部１０５から、学習対象の評価済みサプライヤー２０についての各キーワードの出現数を取得する。
例えば、モデル生成部１０６は、図５に示すように、学習対象の評価済みサプライヤー２０の評価値と、学習対象の評価済みサプライヤー２０についての各キーワードの出現数を得る。
モデル生成部１０６は、取得評価値記憶部１０８から、学習対象の評価済みサプライヤー２０の評価値を読み出す。また、モデル生成部１０６は、出現数取得部１０５から、学習対象の評価済みサプライヤー２０についての各キーワードの出現数を取得する。
例えば、モデル生成部１０６は、図５に示すように、学習対象の評価済みサプライヤー２０の評価値と、学習対象の評価済みサプライヤー２０についての各キーワードの出現数を得る。
図５では、学習対象の評価済みサプライヤー２０としてＡＡＡ社、ＢＢＢ社及びＣＣＣ社が示される。
また、図５では、評価機関ＸＸＸ、評価機関ＹＹＹ及び評価機関ＺＺＺの各々による、ＡＡＡ社、ＢＢＢ社及びＣＣＣ社の各々の評価値が示される。
また、図５では、ＡＡＡ社、ＢＢＢ社及びＣＣＣ社の各々についての、キーワード１、キーワード２及びキーワード３の出現数が示される。
図５に示すように、モデル生成部１０６は、複数の学習対象の評価済みサプライヤー２０についての複数の評価機関４０による評価値と、複数の学習対象の評価済みサプライヤー２０についての複数のキーワードの出現数を用いて、回帰モデルを生成する。
また、図５では、評価機関ＸＸＸ、評価機関ＹＹＹ及び評価機関ＺＺＺの各々による、ＡＡＡ社、ＢＢＢ社及びＣＣＣ社の各々の評価値が示される。
また、図５では、ＡＡＡ社、ＢＢＢ社及びＣＣＣ社の各々についての、キーワード１、キーワード２及びキーワード３の出現数が示される。
図５に示すように、モデル生成部１０６は、複数の学習対象の評価済みサプライヤー２０についての複数の評価機関４０による評価値と、複数の学習対象の評価済みサプライヤー２０についての複数のキーワードの出現数を用いて、回帰モデルを生成する。
具体的には、モデル生成部１０６は、以下の重回帰式（式１）において、評価機関４０ごとに、偏回帰係数β０、β１、β２及びβ３の各々の値を、最小二乗法により求める。
偏回帰係数β０、β１、β２及びβ３の各々の値が明らかになった後の式１が回帰モデルに相当する。
ｙ＝β０＋β１ｘ１＋β２ｘ２＋β３ｘ３ 式１
なお、ｙは評価機関４０によるサプライヤー２０の評点である。ｘ１は評価済みサプライヤー２０（例えば、ＡＡＡ社）についてのキーワード１の出現数である。ｘ２は評価済みサプライヤー２０（例えば、ＡＡＡ社）についてのキーワード２の出現数である。ｘ３は評価済みサプライヤー２０（例えば、ＡＡＡ社）についてのキーワード３の出現数である。
つまり、評価機関ＸＸＸによる評価値、評価機関ＹＹＹによる評価値及び評価機関ＺＺＺによる評価値ごとに３つの重回帰式（式１）が作成される。
偏回帰係数β０、β１、β２及びβ３の各々の値が明らかになった後の式１が回帰モデルに相当する。
ｙ＝β０＋β１ｘ１＋β２ｘ２＋β３ｘ３ 式１
なお、ｙは評価機関４０によるサプライヤー２０の評点である。ｘ１は評価済みサプライヤー２０（例えば、ＡＡＡ社）についてのキーワード１の出現数である。ｘ２は評価済みサプライヤー２０（例えば、ＡＡＡ社）についてのキーワード２の出現数である。ｘ３は評価済みサプライヤー２０（例えば、ＡＡＡ社）についてのキーワード３の出現数である。
つまり、評価機関ＸＸＸによる評価値、評価機関ＹＹＹによる評価値及び評価機関ＺＺＺによる評価値ごとに３つの重回帰式（式１）が作成される。
モデル生成部１０６は、生成した回帰モデルをモデル記憶部１１１に格納する。
次に、図６を参照して、評価値算出フェーズにおける情報処理装置１０の動作例を説明する。
ステップＳ２１において、評価値算出部１０７はバイヤー端末装置３１から評価要求を受信したか否かを判定する。
評価要求が受信されている場合は、処理がステップＳ２２に進む。評価要求が受信されていない場合は、処理がステップＳ２７に進む。
評価要求が受信されている場合は、処理がステップＳ２２に進む。評価要求が受信されていない場合は、処理がステップＳ２７に進む。
ステップＳ２２では、評価値算出部１０７は、１年以内に評価対象サプライヤー２０についての評価を行っているか否かを判定する。
１年以内に評価対象サプライヤー２０についての評価を行っている場合は、処理がステップＳ２３に進む。一方、１年以内に評価対象サプライヤー２０についての評価を行っていない場合は、処理がステップＳ２６に進む。
１年以内に評価対象サプライヤー２０についての評価を行っている場合は、処理がステップＳ２３に進む。一方、１年以内に評価対象サプライヤー２０についての評価を行っていない場合は、処理がステップＳ２６に進む。
ステップＳ２３では、評価値算出部１０７は、評価対象サプライヤー２０について回帰モデルを用いて評価値を算出する。
ステップＳ２３の詳細は後述する。
ステップＳ２３の詳細は後述する。
ステップＳ２４では、評価値算出部１０７は、ステップＳ２３で算出した評価対象サプライヤー２０の評価値を算出評価値記憶部１１２に格納する。
また、ステップＳ２５で、評価値算出部１０７は、ステップＳ２３で算出した評価対象サプライヤー２０の評価値を通信部１０１を介してバイヤー端末装置３１に送信する。
ステップＳ２６では、評価値算出部１０７は、過去の評価対象サプライヤー２０の評価値を通信部１０１を介してバイヤー端末装置３１に送信する。
具体的には、評価値算出部１０７は、評価対象サプライヤー２０の評価値を算出評価値記憶部１１２から読み出し、読み出した評価値を通信部１０１を介してバイヤー端末装置３１に送信する。
具体的には、評価値算出部１０７は、評価対象サプライヤー２０の評価値を算出評価値記憶部１１２から読み出し、読み出した評価値を通信部１０１を介してバイヤー端末装置３１に送信する。
ステップＳ２７では、評価値算出部１０７は、最後に評価を行った時から１年が経過したか否かを判定する。
最後に評価を行った時から１年が経過している場合は、処理がステップＳ２３に進む。一方、最後に評価を行った時から１年が経過していない場合は、評価値算出部１０７は処理を終了数する。
最後に評価を行った時から１年が経過している場合は、処理がステップＳ２３に進む。一方、最後に評価を行った時から１年が経過していない場合は、評価値算出部１０７は処理を終了数する。
次に、図７を参照して、図６のステップＳ２３の詳細を説明する。
ステップＳ２３１において、出現数取得部１０５が評価対象サプライヤー２０についてのキーワードの出現数を取得する。
具体的には、評価値算出部１０７が出現数取得部１０５に評価対象サプライヤー２０の名称を通知する。そして、出現数取得部１０５が回帰モデルにおいて説明変数として用いられているキーワードをキーワード記憶部１０９から読み出す。そして、出現数取得部１０５は、キーワードごとに、キーワードと学習対象の評価済みサプライヤー２０の名称を検索ワードとして用い、検索サイトでの「ヒット数」を出現数として取得する。
出現数取得部１０５は、取得した各キーワードの出現数を評価値算出部１０７に通知する。
具体的には、評価値算出部１０７が出現数取得部１０５に評価対象サプライヤー２０の名称を通知する。そして、出現数取得部１０５が回帰モデルにおいて説明変数として用いられているキーワードをキーワード記憶部１０９から読み出す。そして、出現数取得部１０５は、キーワードごとに、キーワードと学習対象の評価済みサプライヤー２０の名称を検索ワードとして用い、検索サイトでの「ヒット数」を出現数として取得する。
出現数取得部１０５は、取得した各キーワードの出現数を評価値算出部１０７に通知する。
次に、ステップＳ２３２において、評価値算出部１０７が回帰モデルに、評価対象サプライヤー２０についてのキーワードの出現数を適用して、評価値候補を算出する。
具体的には、評価値算出部１０７は、モデル記憶部１１１から複数の回帰モデルを取得する。そして、評価値算出部１０７は、複数の回帰モデルの各々に評価対象サプライヤー２０についてのキーワードの出現数を適用して、複数の評価値候補を算出する。
図５の例では、モデル生成部１０６により評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルが生成されている。このため、評価値算出部１０７は、モデル記憶部１１１から、評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルを取得する。
そして、評価値算出部１０７は、評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルに評価対象サプライヤー２０についてのキーワードの出現数を適用（式１のｘ１、ｘ２及びｘ３の各々にキーワードの出現数を代入）して、３つの回帰モデルから３つの評価値候補（式１のｙ）を得る。
具体的には、評価値算出部１０７は、モデル記憶部１１１から複数の回帰モデルを取得する。そして、評価値算出部１０７は、複数の回帰モデルの各々に評価対象サプライヤー２０についてのキーワードの出現数を適用して、複数の評価値候補を算出する。
図５の例では、モデル生成部１０６により評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルが生成されている。このため、評価値算出部１０７は、モデル記憶部１１１から、評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルを取得する。
そして、評価値算出部１０７は、評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルに評価対象サプライヤー２０についてのキーワードの出現数を適用（式１のｘ１、ｘ２及びｘ３の各々にキーワードの出現数を代入）して、３つの回帰モデルから３つの評価値候補（式１のｙ）を得る。
次に、ステップＳ２３３において、評価値算出部１０７は、評価値候補の平均値を最終的な評価値として採用する。
なお、ステップＳ２３２に代えて、評価値算出部１０７は、評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルによる３つの評価値候補のうちのいずれかの評価値候補を最終的な評価値として採用してもよい。
その後、処理が図６のステップＳ２４に進む。
なお、ステップＳ２３２に代えて、評価値算出部１０７は、評価機関ＸＸＸによる評価値の回帰モデル、評価機関ＹＹＹによる評価値の回帰モデル及び評価機関ＺＺＺによる評価値の回帰モデルによる３つの評価値候補のうちのいずれかの評価値候補を最終的な評価値として採用してもよい。
その後、処理が図６のステップＳ２４に進む。
＊＊＊実施の形態の効果の説明＊＊＊
以上のように、本実施の形態によれば、サプライヤーの情報セキュリティに関する評価を得ることができる。
つまり、本実施の形態によれば、評価機関４０による評価が行われていないサプライヤーであっても、リアルタイムに情報セキュリティに関する評価を得ることができる。
以上のように、本実施の形態によれば、サプライヤーの情報セキュリティに関する評価を得ることができる。
つまり、本実施の形態によれば、評価機関４０による評価が行われていないサプライヤーであっても、リアルタイムに情報セキュリティに関する評価を得ることができる。
また、本実施の形態によれば、評価対象サプライヤー２０が不正に評価を上げることを防止することができる。
評価対象サプライヤー２０が意図的に情報を開示しない場合は、キーワードの出現数が低くなるため、回帰モデルの説明変数も低くなり、結果として、評価値も低くなる。また、評価対象サプライヤー２０が虚偽の情報を流布している場合にも、虚偽の情報はＷｅｂサイト情報５１及びＳＮＳ情報５２での正しい情報にかき消される。このため、評価対象サプライヤー２０は虚偽の情報によって高い評価値を得ることはできない。
評価対象サプライヤー２０が意図的に情報を開示しない場合は、キーワードの出現数が低くなるため、回帰モデルの説明変数も低くなり、結果として、評価値も低くなる。また、評価対象サプライヤー２０が虚偽の情報を流布している場合にも、虚偽の情報はＷｅｂサイト情報５１及びＳＮＳ情報５２での正しい情報にかき消される。このため、評価対象サプライヤー２０は虚偽の情報によって高い評価値を得ることはできない。
なお、以上では、キーワード選択部１０４が、キーワードの影響度に基づき、キーワード抽出部１０３により抽出されたキーワードから回帰モデルに用いるキーワードを選択する例を説明した。
しかしながら、キーワード選択部１０４を省略してもよい。この場合は、キーワード抽出部１０３により抽出されたキーワードがそのまま回帰モデルに用いられることになる。
しかしながら、キーワード選択部１０４を省略してもよい。この場合は、キーワード抽出部１０３により抽出されたキーワードがそのまま回帰モデルに用いられることになる。
実施の形態２．
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
実施の形態１では、情報処理装置１０は、肯定的なキーワードと否定的なキーワードを区別せずに回帰モデルを生成していた。本実施の形態では、情報処理装置１０は、肯定的なキーワードと否定的なキーワードを区別して回帰モデルを生成する。
ここで、肯定的なキーワードとは、情報セキュリティ上好ましい事柄を表現するキーワードである。否定的なキーワードとは、情報セキュリティ上好ましくない事柄を表現するキーワードである。肯定的なキーワードとしては、例えば、「改善」、「アップデート」、「パッチ」等が考えられる。否定的なキーワードとしては、例えば、「脆弱性」、「バックドア」、「オーバーフロー」等が考えられる。
ここで、肯定的なキーワードとは、情報セキュリティ上好ましい事柄を表現するキーワードである。否定的なキーワードとは、情報セキュリティ上好ましくない事柄を表現するキーワードである。肯定的なキーワードとしては、例えば、「改善」、「アップデート」、「パッチ」等が考えられる。否定的なキーワードとしては、例えば、「脆弱性」、「バックドア」、「オーバーフロー」等が考えられる。
本実施の形態では、図４のステップＳ１２において、キーワード抽出部１０３が、肯定的なキーワード及び否定的なキーワードを区別してキーワードを抽出する。
例えば、キーワード抽出部１０３は、肯定的なキーワードのみを３個以上抽出してもよい。また、キーワード抽出部１０３は、否定的なキーワードのみを３個以上抽出してもよい。更に、キーワード抽出部１０３は、肯定的なキーワード及び否定的なキーワードの各々で３個以上のキーワードを抽出してもよい。ここでは、キーワード抽出部１０３が肯定的なキーワード及び否定的なキーワードの各々で３個以上のキーワードを抽出する例を想定する。
本実施の形態では、キーワード抽出部１０３は、複数の肯定的なキーワード及び複数の否定的なキーワードを予め用意しておく。例えば、キーワード抽出部１０３は、肯定的なキーワード及び複数の否定的なキーワードを各々２０個用意しておく。そして、キーワード抽出部１０３は、公開情報を取得し、肯定的なキーワードの各々の公開情報での出現数を計数し、出現数が多い順に３個以上の肯定的なキーワードを抽出する。同様に、キーワード抽出部１０３は、公開情報を取得し、否定的なキーワードの各々の公開情報での出現数を計数し、出現数が多い順に３個以上の否定的なキーワードの候補を抽出する。
例えば、キーワード抽出部１０３は、肯定的なキーワードのみを３個以上抽出してもよい。また、キーワード抽出部１０３は、否定的なキーワードのみを３個以上抽出してもよい。更に、キーワード抽出部１０３は、肯定的なキーワード及び否定的なキーワードの各々で３個以上のキーワードを抽出してもよい。ここでは、キーワード抽出部１０３が肯定的なキーワード及び否定的なキーワードの各々で３個以上のキーワードを抽出する例を想定する。
本実施の形態では、キーワード抽出部１０３は、複数の肯定的なキーワード及び複数の否定的なキーワードを予め用意しておく。例えば、キーワード抽出部１０３は、肯定的なキーワード及び複数の否定的なキーワードを各々２０個用意しておく。そして、キーワード抽出部１０３は、公開情報を取得し、肯定的なキーワードの各々の公開情報での出現数を計数し、出現数が多い順に３個以上の肯定的なキーワードを抽出する。同様に、キーワード抽出部１０３は、公開情報を取得し、否定的なキーワードの各々の公開情報での出現数を計数し、出現数が多い順に３個以上の否定的なキーワードの候補を抽出する。
そして、図４のステップＳ１３において、キーワード選択部１０４が、肯定的なキーワード及び否定的なキーワードの各々で２個以上のキーワードを選択する。
キーワード選択部１０４によるキーワードの具体的な選択方法は実施の形態１で示した通りである。
キーワード選択部１０４によるキーワードの具体的な選択方法は実施の形態１で示した通りである。
また、図４のステップＳ１４において、出現数取得部１０５が、肯定的なキーワード及び否定的なキーワードの各々で、学習対象の評価済みサプライヤー２０についての、各キーワードの出現数を取得する。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
そして、図４のステップＳ１５において、モデル生成部１０６が、肯定的なキーワード及び否定的なキーワードの各々で、学習済みの評価済みサプライヤー２０の評価値とキーワードの出現数とを用いた重回帰分析を行って、肯定的なキーワード及び否定的なキーワードの各々で回帰モデルを生成する。
図５の例では、評価機関ＸＸＸによる評価値について、肯定的なキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）と、否定的なキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）とが生成される。
評価機関ＹＹＹによる評価値及び評価機関ＺＺＺによる評価値についても２種類の回帰モデル（重回帰式）が生成される。
モデル生成部１０６による回帰モデルの具体的な生成方法は実施の形態１で示した通りである。
図５の例では、評価機関ＸＸＸによる評価値について、肯定的なキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）と、否定的なキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）とが生成される。
評価機関ＹＹＹによる評価値及び評価機関ＺＺＺによる評価値についても２種類の回帰モデル（重回帰式）が生成される。
モデル生成部１０６による回帰モデルの具体的な生成方法は実施の形態１で示した通りである。
また、図７のステップＳ２３１において、出現数取得部１０５が、肯定的なキーワード及び否定的なキーワードの各々で、評価対象サプライヤー２０についての、各キーワードの出現数を取得する。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
また、図７のステップＳ２３２において、評価値算出部１０７が、肯定的なキーワードの回帰モデル及び否定的なキーワードの回帰モデルを用いて、評価値候補を算出する。
評価値算出部１０７による評価値候補の具体的な算出方法は実施の形態１で示した通りである。
評価値算出部１０７による評価値候補の具体的な算出方法は実施の形態１で示した通りである。
そして、図７のステップＳ２３３において、評価値算出部１０７が、肯定的なキーワードの回帰モデルによる評価値候補と否定的なキーワードの回帰モデルの評価候補値との平均をとって最終的な評価値を得る。
つまり、評価値算出部１０７は、以下の（１）〜（３）に示す６つの評価値候補の平均値を最終的な評価値として採用する。
（１）評価機関ＸＸＸによる評価値に基づく、肯定的なキーワードの回帰モデルによる評価値候補と、否定的なキーワードの回帰モデルの評価候補値
（２）評価機関ＹＹＹによる評価値に基づく、肯定的なキーワードの回帰モデルによる評価値候補と、否定的なキーワードの回帰モデルの評価候補値
（３）評価機関ＺＺＺによる評価値に基づく、肯定的なキーワードの回帰モデルによる評価値候補と、否定的なキーワードの回帰モデルの評価候補値
つまり、評価値算出部１０７は、以下の（１）〜（３）に示す６つの評価値候補の平均値を最終的な評価値として採用する。
（１）評価機関ＸＸＸによる評価値に基づく、肯定的なキーワードの回帰モデルによる評価値候補と、否定的なキーワードの回帰モデルの評価候補値
（２）評価機関ＹＹＹによる評価値に基づく、肯定的なキーワードの回帰モデルによる評価値候補と、否定的なキーワードの回帰モデルの評価候補値
（３）評価機関ＺＺＺによる評価値に基づく、肯定的なキーワードの回帰モデルによる評価値候補と、否定的なキーワードの回帰モデルの評価候補値
また、評価値算出部１０７は、上記の（１）〜（３）に示す６つの評価値候補のうちのいずれかの評価値候補を最終的な評価値として採用してもよい。
このように、本実施の形態に係る情報処理装置１０は、肯定的なキーワードと否定的なキーワードを区別して回帰モデルを生成し、また、肯定的なキーワードと否定的なキーワードを区別して評価対象サプライヤー２０の評価値を算出する。
このため、本実施の形態によれば、より高精度のセキュリティ評価を得ることができる。
このため、本実施の形態によれば、より高精度のセキュリティ評価を得ることができる。
実施の形態３．
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
本実施の形態では、主に実施の形態１との差異を説明する。
なお、以下で説明していない事項は、実施の形態１と同様である。
実施の形態１では、情報処理装置１０は、肯定的な公開情報と否定的な公開情報を区別せずに回帰モデルを生成していた。本実施の形態では、情報処理装置１０は、肯定的な公開情報と否定的な公開情報を区別して回帰モデルを生成する。
ここで、肯定的な公開情報とは、否定的なキーワードが含まれていない公開情報である。否定的な公開情報とは、否定的なキーワードが含まれている公開情報である。否定的なキーワードは、実施の形態２で説明した通りである。
ここで、肯定的な公開情報とは、否定的なキーワードが含まれていない公開情報である。否定的な公開情報とは、否定的なキーワードが含まれている公開情報である。否定的なキーワードは、実施の形態２で説明した通りである。
図８は、本実施の形態に係る情報処理装置１０のモデル生成フェーズでの動作例を示す。
図８では、図４と比較して、ステップＳ１６が追加されている。また、ステップＳ１６の追加により、ステップＳ１４とステップＳ１５において実施の形態１と異なる動作が行われる。
図８では、図４と比較して、ステップＳ１６が追加されている。また、ステップＳ１６の追加により、ステップＳ１４とステップＳ１５において実施の形態１と異なる動作が行われる。
ステップＳ１１〜Ｓ１３は実施の形態１で説明したものと同様なので、説明を省略する。
ステップＳ１６において、キーワード選択部１０４が否定的なキーワードを選択する。
具体的には、評価値算出部１０７は、複数の否定的なキーワードを予め用意しておく。そして、評価値算出部１０７は、公開情報を取得し、否定的なキーワードの各々の公開情報での出現数を計数し、出現数が多い順に既定数の否定的なキーワードを選択する。
そして、評価値算出部１０７は、選択した否定的なキーワードをキーワード記憶部１０９に格納する。
具体的には、評価値算出部１０７は、複数の否定的なキーワードを予め用意しておく。そして、評価値算出部１０７は、公開情報を取得し、否定的なキーワードの各々の公開情報での出現数を計数し、出現数が多い順に既定数の否定的なキーワードを選択する。
そして、評価値算出部１０７は、選択した否定的なキーワードをキーワード記憶部１０９に格納する。
ステップＳ１４では、出現数取得部１０５が、学習対象の評価済みサプライヤー２０についての公開情報を、肯定的な公開情報と否定的な公開情報に分類する。そして、出現数取得部１０５は、肯定的な公開情報での各キーワード（回帰モデルの生成に用いられるキーワード）の出現数と、否定的な公開情報での各キーワードの出現数とを取得する。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
ステップＳ１５では、モデル生成部１０６が、肯定的な公開情報でのキーワードの出現数と否定的な公開情報でのキーワードの出現数の各々で、回帰モデルを生成する。
図５の例では、評価機関ＸＸＸによる評価値について、肯定的な公開情報でのキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）と、否定的な公開情報でのキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）とが生成される。
評価機関ＹＹＹによる評価値及び評価機関ＺＺＺによる評価値についても２種類の回帰モデル（重回帰式）が生成される。
モデル生成部１０６による回帰モデルの具体的な生成方法は実施の形態１で示した通りである。
図５の例では、評価機関ＸＸＸによる評価値について、肯定的な公開情報でのキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）と、否定的な公開情報でのキーワードの出現数がｘ１、ｘ２及びｘ３に用いられる重回帰式（式１）とが生成される。
評価機関ＹＹＹによる評価値及び評価機関ＺＺＺによる評価値についても２種類の回帰モデル（重回帰式）が生成される。
モデル生成部１０６による回帰モデルの具体的な生成方法は実施の形態１で示した通りである。
評価値算出フェーズにおける情報処理装置１０の動作例は図６及び図７に示す通りである。
図６に示す各ステップは、実施の形態１で説明したものと同じであるため、説明を省略する。
以下では、本実施の形態での図７の動作を説明する。
図６に示す各ステップは、実施の形態１で説明したものと同じであるため、説明を省略する。
以下では、本実施の形態での図７の動作を説明する。
ステップＳ２３１では、出現数取得部１０５が、肯定的な公開情報及び否定的な公開情報の各々で、評価対象サプライヤー２０についての、各キーワードの出現数を取得する。
より具体的には、出現数取得部１０５は、評価対象サプライヤー２０についての公開情報を、肯定的な公開情報と否定的な公開情報に分類する。そして、出現数取得部１０５は、肯定的な公開情報での各キーワード（回帰モデルに含まれるキーワード）の出現数と、否定的な公開情報での各キーワードの出現数とを取得する。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
より具体的には、出現数取得部１０５は、評価対象サプライヤー２０についての公開情報を、肯定的な公開情報と否定的な公開情報に分類する。そして、出現数取得部１０５は、肯定的な公開情報での各キーワード（回帰モデルに含まれるキーワード）の出現数と、否定的な公開情報での各キーワードの出現数とを取得する。
出現数取得部１０５によるキーワードの出現数の具体的な取得方法は実施の形態１で示した通りである。
ステップＳ２３２では、評価値算出部１０７が、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデル及び否定的な公開情報でのキーワードの出現数が用いられる回帰モデルを用いて、評価値候補を算出する。
評価値算出部１０７による評価値候補の具体的な算出方法は実施の形態１で示した通りである。
評価値算出部１０７による評価値候補の具体的な算出方法は実施の形態１で示した通りである。
ステップＳ２３２では、評価値算出部１０７が、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補及び否定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補との平均をとって最終的な評価値を得る。
つまり、評価値算出部１０７は、以下の（１）〜（３）に示す６つの評価値候補の平均値を最終的な評価値として採用する。
（１）評価機関ＸＸＸによる評価値に基づく、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補と、否定的な公開情報でのキーワードの出現数が用いられる回帰モデルの評価候補値
（２）評価機関ＹＹＹによる評価値に基づく、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補と、否定的な公開情報でのキーワードの出現数が用いられる回帰モデルの評価候補値
（３）評価機関ＺＺＺによる評価値に基づく、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補と、否定的な公開情報でのキーワードの出現数が用いられる回帰モデルの評価候補値
つまり、評価値算出部１０７は、以下の（１）〜（３）に示す６つの評価値候補の平均値を最終的な評価値として採用する。
（１）評価機関ＸＸＸによる評価値に基づく、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補と、否定的な公開情報でのキーワードの出現数が用いられる回帰モデルの評価候補値
（２）評価機関ＹＹＹによる評価値に基づく、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補と、否定的な公開情報でのキーワードの出現数が用いられる回帰モデルの評価候補値
（３）評価機関ＺＺＺによる評価値に基づく、肯定的な公開情報でのキーワードの出現数が用いられる回帰モデルによる評価値候補と、否定的な公開情報でのキーワードの出現数が用いられる回帰モデルの評価候補値
また、評価値算出部１０７は、上記の（１）〜（３）に示す６つの評価値候補のうちのいずれかの評価値候補を最終的な評価値として採用してもよい。
このように、本実施の形態に係る情報処理装置１０は、肯定的な公開情報と否定的な公開情報を区別して回帰モデルを生成し、また、肯定的な公開情報と否定的な公開情報を区別して評価対象サプライヤー２０の評価値を算出する。
このため、本実施の形態によれば、より高精度のセキュリティ評価を得ることができる。
このため、本実施の形態によれば、より高精度のセキュリティ評価を得ることができる。
なお、上記では、否定的なキーワードが含まれない公開情報を肯定的な公開情報として取り扱い、否定的なキーワードが含まれる公開情報を否定的な公開情報として取り扱う例を説明した。これに代えて、肯定的なキーワードが含まれない公開情報を否定的な公開情報として取り扱い、否定的な公開情報以外の公開情報を肯定的な公開情報として取り扱ってもよい。
また、機械学習により、肯定的な公開情報と否定的な公開情報とを分類する回帰式を得るようにしてもよい。
この場合は、公開情報に含まれるキーワードを説明変数とし、肯定的な公開情報と否定的な公開情報の分類結果を目的変数とする教師データを用意する。なお、肯定的な公開情報と否定的な公開情報の分類は、人手で行う。
そして、教師データを用いた機械学習により、肯定的な公開情報と否定的な公開情報とを分類する回帰式を求める。
以上の回帰式が得られた後に、図４のステップＳ１４において、出現数取得部１０５が分類対象の公開情報に含まれるキーワードを回帰式に適用し、分類対象の公開情報を肯定的な公開情報と否定的な公開情報とのいずれかに分類する。
また、図７のステップＳ２３１において、出現数取得部１０５が分類対象の公開情報に含まれるキーワードを回帰式に適用し、分類対象の公開情報を肯定的な公開情報と否定的な公開情報とのいずれかに分類する。
この場合は、公開情報に含まれるキーワードを説明変数とし、肯定的な公開情報と否定的な公開情報の分類結果を目的変数とする教師データを用意する。なお、肯定的な公開情報と否定的な公開情報の分類は、人手で行う。
そして、教師データを用いた機械学習により、肯定的な公開情報と否定的な公開情報とを分類する回帰式を求める。
以上の回帰式が得られた後に、図４のステップＳ１４において、出現数取得部１０５が分類対象の公開情報に含まれるキーワードを回帰式に適用し、分類対象の公開情報を肯定的な公開情報と否定的な公開情報とのいずれかに分類する。
また、図７のステップＳ２３１において、出現数取得部１０５が分類対象の公開情報に含まれるキーワードを回帰式に適用し、分類対象の公開情報を肯定的な公開情報と否定的な公開情報とのいずれかに分類する。
機械学習により得られた回帰式を用いることで、公開情報をより正確に肯定的な公開情報又は否定的な公開情報に分類することができる。
以上、実施の形態１〜３を説明したが、これらの実施の形態のうち、２つ以上を組み合わせて実施しても構わない。
あるいは、これらの実施の形態のうち、１つを部分的に実施しても構わない。
あるいは、これらの実施の形態のうち、２つ以上を部分的に組み合わせて実施しても構わない。
また、これらの実施の形態に記載された構成及び手順を必要に応じて変更してもよい。
あるいは、これらの実施の形態のうち、１つを部分的に実施しても構わない。
あるいは、これらの実施の形態のうち、２つ以上を部分的に組み合わせて実施しても構わない。
また、これらの実施の形態に記載された構成及び手順を必要に応じて変更してもよい。
＊＊＊ハードウェア構成の補足説明＊＊＊
最後に、情報処理装置１０のハードウェア構成の補足説明を行う。
図２に示すプロセッサ９０１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ９０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図２に示す主記憶装置９０２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図２に示す補助記憶装置９０３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図２に示す通信装置９０４は、データの通信処理を実行する電子回路である。
通信装置９０４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
最後に、情報処理装置１０のハードウェア構成の補足説明を行う。
図２に示すプロセッサ９０１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。
プロセッサ９０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等である。
図２に示す主記憶装置９０２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
図２に示す補助記憶装置９０３は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等である。
図２に示す通信装置９０４は、データの通信処理を実行する電子回路である。
通信装置９０４は、例えば、通信チップ又はＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。
また、補助記憶装置９０３には、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）も記憶されている。
そして、ＯＳの少なくとも一部がプロセッサ９０１により実行される。
プロセッサ９０１はＯＳの少なくとも一部を実行しながら、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムを実行する。
プロセッサ９０１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、主記憶装置９０２、補助記憶装置９０３、プロセッサ９０１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記録媒体に格納されていてもよい。そして、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムが格納された可搬記録媒体を流通させてもよい。
そして、ＯＳの少なくとも一部がプロセッサ９０１により実行される。
プロセッサ９０１はＯＳの少なくとも一部を実行しながら、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムを実行する。
プロセッサ９０１がＯＳを実行することで、タスク管理、メモリ管理、ファイル管理、通信制御等が行われる。
また、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の処理の結果を示す情報、データ、信号値及び変数値の少なくともいずれかが、主記憶装置９０２、補助記憶装置９０３、プロセッサ９０１内のレジスタ及びキャッシュメモリの少なくともいずれかに記憶される。
また、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムは、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ等の可搬記録媒体に格納されていてもよい。そして、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の機能を実現するプログラムが格納された可搬記録媒体を流通させてもよい。
また、通信部１０１、評価値取得部１０２、キーワード抽出部１０３、キーワード選択部１０４、出現数取得部１０５、モデル生成部１０６及び評価値算出部１０７の「部」を、「回路」又は「工程」又は「手順」又は「処理」に読み替えてもよい。
また、情報処理装置１０は、処理回路により実現されてもよい。処理回路は、例えば、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
また、情報処理装置１０は、処理回路により実現されてもよい。処理回路は、例えば、ロジックＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）である。
なお、本明細書では、プロセッサと処理回路との上位概念を、「プロセッシングサーキットリー」という。
つまり、プロセッサと処理回路とは、それぞれ「プロセッシングサーキットリー」の具体例である。
１０ 情報処理装置、２０ サプライヤー、３０ バイヤー、３１ バイヤー端末装置、４０ 評価機関、４１ 評価機関サーバ装置、５０ インターネット、５１ Ｗｅｂサイト情報、５２ ＳＮＳ情報、１０１ 通信部、１０２ 評価値取得部、１０３ キーワード抽出部、１０４ キーワード選択部、１０５ 出現数取得部、１０６ モデル生成部、１０７ 評価値算出部、１０８ 取得評価値記憶部、１０９ キーワード記憶部、１１０ 出現数記憶部、１１１ モデル記憶部、１１２ 算出評価値記憶部、９０１ プロセッサ、９０２ 主記憶装置、９０３ 補助記憶装置、９０４ 通信装置、１０００ セキュリティ水準検証システム。
Claims (9)
- 情報セキュリティに関する評価がなされている評価済みサプライヤーの情報セキュリティに関する評価値を取得する評価値取得部と、
前記評価済みサプライヤーについての、情報セキュリティに関する２以上のキーワードの各々の公開情報での出現数を取得する出現数取得部と、
前記評価済みサプライヤーの評価値と前記評価済みサプライヤーについての前記２以上のキーワードの各々の公開情報での出現数とを用いた重回帰分析を行って、説明変数が前記２以上のキーワードの各々の公開情報での出現数であり、目的変数が評価値である回帰モデルを生成するモデル生成部とを有する情報処理装置。 - 前記情報処理装置は、更に、
情報セキュリティに関する３以上のキーワードの各々の公開情報での影響度に基づき、前記３以上のキーワードの中から前記２以上のキーワードを選択するキーワード選択部を有し、
前記出現数取得部は、
前記キーワード選択部により選択された前記２以上のキーワードの各々の前記評価済みサプライヤーについての出現数を取得する請求項１に記載の情報処理装置。 - 前記情報処理装置は、更に、
評価の対象となる評価対象サプライヤーについての前記２以上のキーワードの各々の公開情報での出現数を前記回帰モデルに適用して、前記評価対象サプライヤーの評価値を算出する評価値算出部を有する請求項１に記載の情報処理装置。 - 前記評価値算出部は、
前記評価対象サプライヤーの評価値の算出を要求された場合に、既定の期間内に前記評価対象サプライヤーの評価値を算出している場合は、算出済みの評価値を要求元に出力する請求項３に記載の情報処理装置。 - 前記評価値算出部は、
既定の期間内に前記評価対象サプライヤーの評価値を算出していない場合は、前記評価対象サプライヤーの評価値を算出する請求項３に記載の情報処理装置。 - 前記出現数取得部は、
前記評価済みサプライヤーについての、２以上の肯定的なキーワードの各々の公開情報での出現数及び２以上の否定的なキーワードの各々の公開情報での出現数の少なくともいずれかを取得し、
前記モデル生成部は、
前記評価済みサプライヤーの評価値と前記評価済みサプライヤーについての前記２以上の肯定的なキーワードの各々の公開情報での出現数及び前記２以上の肯定的なキーワードの各々の公開情報での出現数の少なくともいずれかとを用いた重回帰分析を行って、前記回帰モデルを生成する請求項１に記載の情報処理装置。 - 前記出現数取得部は、
前記２以上のキーワードの各々の前記評価済みサプライヤーに肯定的な公開情報での出現数及び前記２以上のキーワードの各々の前記評価済みサプライヤーに否定的な公開情報での出現数の少なくともいずれかを取得し、
前記モデル生成部は、
前記評価済みサプライヤーの評価値と前記２以上のキーワードの各々の前記評価済みサプライヤーに肯定的な公開情報での出現数及び前記２以上のキーワードの各々の前記評価済みサプライヤーに否定的な公開情報での出現数の少なくともいずれかとを用いた重回帰分析を行って、前記回帰モデルを生成する請求項１に記載の情報処理装置。 - コンピュータが、情報セキュリティに関する評価がなされている評価済みサプライヤーの情報セキュリティに関する評価値を取得し、
前記コンピュータが、前記評価済みサプライヤーについての、情報セキュリティに関する２以上のキーワードの各々の公開情報での出現数を取得し、
前記コンピュータが、前記評価済みサプライヤーの評価値と前記評価済みサプライヤーについての前記２以上のキーワードの各々の公開情報での出現数とを用いた重回帰分析を行って、説明変数が前記２以上のキーワードの各々の公開情報での出現数であり、目的変数が評価値である回帰モデルを生成する情報処理方法。 - 情報セキュリティに関する評価がなされている評価済みサプライヤーの情報セキュリティに関する評価値を取得する評価値取得処理と、
前記評価済みサプライヤーについての、情報セキュリティに関する２以上のキーワードの各々の公開情報での出現数を取得する出現数取得処理と、
前記評価済みサプライヤーの評価値と前記評価済みサプライヤーについての前記２以上のキーワードの各々の公開情報での出現数とを用いた重回帰分析を行って、説明変数が前記２以上のキーワードの各々の公開情報での出現数であり、目的変数が評価値である回帰モデルを生成するモデル生成処理とをコンピュータに実行させる情報処理プログラム。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2019/050137 WO2021124559A1 (ja) | 2019-12-20 | 2019-12-20 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2021124559A1 JPWO2021124559A1 (ja) | 2021-06-24 |
| JP6987329B2 true JP6987329B2 (ja) | 2021-12-22 |
Family
ID=76478366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021556667A Active JP6987329B2 (ja) | 2019-12-20 | 2019-12-20 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220247780A1 (ja) |
| JP (1) | JP6987329B2 (ja) |
| CN (1) | CN114761955A (ja) |
| WO (1) | WO2021124559A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE112020007696T5 (de) * | 2020-12-14 | 2023-07-27 | Mitsubishi Electric Corporation | Objekt-bewertungsvorrichtung und objekt-bewertungsverfahren |
Family Cites Families (59)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7082426B2 (en) * | 1993-06-18 | 2006-07-25 | Cnet Networks, Inc. | Content aggregation method and apparatus for an on-line product catalog |
| US6714933B2 (en) * | 2000-05-09 | 2004-03-30 | Cnet Networks, Inc. | Content aggregation method and apparatus for on-line purchasing system |
| US20020042789A1 (en) * | 2000-10-04 | 2002-04-11 | Zbigniew Michalewicz | Internet search engine with interactive search criteria construction |
| US7249094B2 (en) * | 2001-02-26 | 2007-07-24 | Paypal, Inc. | System and method for depicting on-line transactions |
| US7930753B2 (en) * | 2002-07-01 | 2011-04-19 | First Data Corporation | Methods and systems for performing security risk assessments of internet merchant entities |
| US20050160107A1 (en) * | 2003-12-29 | 2005-07-21 | Ping Liang | Advanced search, file system, and intelligent assistant agent |
| US8683031B2 (en) * | 2004-10-29 | 2014-03-25 | Trustwave Holdings, Inc. | Methods and systems for scanning and monitoring content on a network |
| US20080109491A1 (en) * | 2006-11-03 | 2008-05-08 | Sezwho Inc. | Method and system for managing reputation profile on online communities |
| US9898767B2 (en) * | 2007-11-14 | 2018-02-20 | Panjiva, Inc. | Transaction facilitating marketplace platform |
| CN101918961B (zh) * | 2007-11-14 | 2015-05-06 | 潘吉瓦公司 | 评估供应交易的公共记录 |
| US20100198630A1 (en) * | 2009-01-30 | 2010-08-05 | Bank Of America Corporation | Supplier risk evaluation |
| US8438386B2 (en) * | 2009-04-21 | 2013-05-07 | Webroot Inc. | System and method for developing a risk profile for an internet service |
| US20120221486A1 (en) * | 2009-12-01 | 2012-08-30 | Leidner Jochen L | Methods and systems for risk mining and for generating entity risk profiles and for predicting behavior of security |
| US20120221485A1 (en) * | 2009-12-01 | 2012-08-30 | Leidner Jochen L | Methods and systems for risk mining and for generating entity risk profiles |
| US11122009B2 (en) * | 2009-12-01 | 2021-09-14 | Apple Inc. | Systems and methods for identifying geographic locations of social media content collected over social networks |
| US20130304818A1 (en) * | 2009-12-01 | 2013-11-14 | Topsy Labs, Inc. | Systems and methods for discovery of related terms for social media content collection over social networks |
| CN102906686A (zh) * | 2010-01-11 | 2013-01-30 | 潘吉瓦公司 | 针对金融投资决策而评估供应交易的公共记录 |
| US8626663B2 (en) * | 2010-03-23 | 2014-01-07 | Visa International Service Association | Merchant fraud risk score |
| US10805331B2 (en) * | 2010-09-24 | 2020-10-13 | BitSight Technologies, Inc. | Information technology security assessment system |
| US20120116923A1 (en) * | 2010-11-09 | 2012-05-10 | Statz, Inc. | Privacy Risk Metrics in Online Systems |
| WO2013025618A2 (en) * | 2011-08-13 | 2013-02-21 | Global Edge Llc | Assessing risk associated with a vendor |
| US20130246336A1 (en) * | 2011-12-27 | 2013-09-19 | Mcafee, Inc. | System and method for providing data protection workflows in a network environment |
| US9092616B2 (en) * | 2012-05-01 | 2015-07-28 | Taasera, Inc. | Systems and methods for threat identification and remediation |
| US9015812B2 (en) * | 2012-05-22 | 2015-04-21 | Hasso-Plattner-Institut Fur Softwaresystemtechnik Gmbh | Transparent control of access invoking real-time analysis of the query history |
| US9374374B2 (en) * | 2012-06-19 | 2016-06-21 | SecureMySocial, Inc. | Systems and methods for securing social media for users and businesses and rewarding for enhancing security |
| US9208460B2 (en) * | 2012-10-19 | 2015-12-08 | Lexisnexis, A Division Of Reed Elsevier Inc. | System and methods to facilitate analytics with a tagged corpus |
| US9639693B2 (en) * | 2013-06-28 | 2017-05-02 | Symantec Corporation | Techniques for detecting a security vulnerability |
| US9263038B2 (en) * | 2013-10-03 | 2016-02-16 | Marchex, Inc. | System and method for analyzing and classifying calls without transcription via keyword spotting |
| KR101846757B1 (ko) * | 2013-12-27 | 2018-05-28 | 맥아피, 엘엘씨 | 빈도-기반 평판도 |
| US20150242858A1 (en) * | 2014-02-24 | 2015-08-27 | Bank Of America Corporation | Risk Assessment On A Transaction Level |
| US20150242857A1 (en) * | 2014-02-24 | 2015-08-27 | Bank Of America Corporation | Transaction Risk Assessment Aggregation |
| JP2015219555A (ja) * | 2014-05-14 | 2015-12-07 | 株式会社日立製作所 | リバースオークション支援装置、リバースオークション支援方法、及びリバースオークション支援プログラム |
| US10290001B2 (en) * | 2014-10-28 | 2019-05-14 | Brighterion, Inc. | Data breach detection |
| JP5847915B1 (ja) * | 2014-11-14 | 2016-01-27 | ヤフー株式会社 | 評価装置、評価方法及び評価プログラム |
| TW201619885A (zh) * | 2014-11-17 | 2016-06-01 | 財團法人資訊工業策進會 | 電子商務口碑分析系統、方法和其電腦可讀取記錄媒體 |
| PE20171260A1 (es) * | 2015-01-16 | 2017-08-31 | Pricewaterhousecoopers Llp | Sistema y procedimiento de intercambio de datos en la atencion sanitaria |
| JP5931266B2 (ja) * | 2015-11-25 | 2016-06-08 | ヤフー株式会社 | 評価装置、評価方法及び評価プログラム |
| JP6619024B2 (ja) * | 2015-12-03 | 2019-12-11 | 楽天株式会社 | 情報処理装置、情報処理方法、プログラム、記憶媒体 |
| US20170193411A1 (en) * | 2015-12-30 | 2017-07-06 | Atul Vashistha Inc. | Systems and methods to quantify risk associated with suppliers or geographic locations |
| WO2017138958A1 (en) * | 2016-02-12 | 2017-08-17 | Entit Software Llc | Strength of associations among data records in a security information sharing platform |
| US10467631B2 (en) * | 2016-04-08 | 2019-11-05 | International Business Machines Corporation | Ranking and tracking suspicious procurement entities |
| WO2017182982A1 (en) * | 2016-04-20 | 2017-10-26 | Lapierre Stephany | Computer-based supplier knowledge management system and method |
| US10972448B2 (en) * | 2016-06-20 | 2021-04-06 | Intel Corporation | Technologies for data broker assisted transfer of device ownership |
| US20210334794A1 (en) * | 2016-06-24 | 2021-10-28 | Raise Marketplace, Llc | Resolving a parameter error associated with a primary blockchain |
| US10268825B2 (en) * | 2016-12-01 | 2019-04-23 | International Business Machines Corporation | Amalgamating code vulnerabilities across projects |
| US20190294803A1 (en) * | 2016-12-01 | 2019-09-26 | Mitsubishi Electric Corporation | Evaluation device, security product evaluation method, and computer readable medium |
| JP6166834B1 (ja) * | 2016-12-27 | 2017-07-19 | ヤフー株式会社 | 判定装置、判定方法及び判定プログラム |
| CN107045674A (zh) * | 2017-03-31 | 2017-08-15 | 北京国电通网络技术有限公司 | 基于可量化指标体系的供应商评价方法 |
| US20180314975A1 (en) * | 2017-04-27 | 2018-11-01 | Futurewei Technologies, Inc. | Ensemble transfer learning |
| US10999296B2 (en) * | 2017-05-15 | 2021-05-04 | Forcepoint, LLC | Generating adaptive trust profiles using information derived from similarly situated organizations |
| US20190028509A1 (en) * | 2017-07-20 | 2019-01-24 | Barracuda Networks, Inc. | System and method for ai-based real-time communication fraud detection and prevention |
| US11355240B2 (en) * | 2017-09-26 | 2022-06-07 | Edge2020 LLC | Determination of health sciences recommendations |
| US10853803B2 (en) * | 2017-11-02 | 2020-12-01 | Paypal, Inc. | Payment link detection and user redirection on social media |
| JP6758537B2 (ja) * | 2018-05-25 | 2020-09-23 | 三菱電機株式会社 | セキュリティリスク評価装置、セキュリティリスク評価方法およびセキュリティリスク評価プログラム |
| CN109242562A (zh) * | 2018-08-31 | 2019-01-18 | 万翼科技有限公司 | 供应商的评级方法、装置和存储介质 |
| US10872341B1 (en) * | 2018-11-09 | 2020-12-22 | American Express Travel Related Services Company, Inc. | Secondary fraud detection during transaction verifications |
| CN109993637A (zh) * | 2019-04-16 | 2019-07-09 | 中国标准化研究院 | 电商口碑评价方法、系统及电子设备 |
| US11880882B2 (en) * | 2019-04-25 | 2024-01-23 | Intellectual Frontiers Llc | Computer-controlled marketplace network for digital transactions |
| US11657126B2 (en) * | 2019-10-31 | 2023-05-23 | Dell Products, L.P. | Systems and methods for dynamic workspace targeting with crowdsourced user context |
-
2019
- 2019-12-20 JP JP2021556667A patent/JP6987329B2/ja active Active
- 2019-12-20 WO PCT/JP2019/050137 patent/WO2021124559A1/ja not_active Ceased
- 2019-12-20 CN CN201980102709.3A patent/CN114761955A/zh active Pending
-
2022
- 2022-04-15 US US17/721,731 patent/US20220247780A1/en not_active Abandoned
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2021124559A1 (ja) | 2021-06-24 |
| WO2021124559A1 (ja) | 2021-06-24 |
| CN114761955A (zh) | 2022-07-15 |
| US20220247780A1 (en) | 2022-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2022204197B2 (en) | Security weakness and infiltration detection and repair in obfuscated website content | |
| US11301522B1 (en) | Method and apparatus for collecting information regarding dark web | |
| US20240419425A1 (en) | Software application container hosting | |
| CN109361711B (zh) | 防火墙配置方法、装置、电子设备及计算机可读介质 | |
| US11308128B2 (en) | Refining classification results based on glossary relationships | |
| JP7546176B2 (ja) | Ｓａａｓアプリケーションによって提供されるクラウドセキュリティ特徴（ａｄｃｓｆ）の自動検出 | |
| JPWO2019142345A1 (ja) | セキュリティ情報処理装置、情報処理方法及びプログラム | |
| Althar et al. | Design and development of artificial intelligence knowledge processing system for optimizing security of software system | |
| US20190164095A1 (en) | Natural language processing of feeds into functional software input | |
| US20260100951A1 (en) | Assignment of resource criticality scores to cloud resources based on cloud resource class | |
| CN113762973A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
| US20250117476A1 (en) | Methods and apparatus to identify structural similarity between webpages | |
| US8504506B2 (en) | Systems and methods for modeling and analyzing solution requirements and assets | |
| Alshaya et al. | Vrt: A cwe-based vulnerability report tagger: Machine learning driven cybersecurity tool for vulnerability classification | |
| JP6987329B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| Yan et al. | Understanding and mitigating label bias in malware classification: An empirical study | |
| US12418546B2 (en) | System and method for predicting investigation queries based on prior investigations | |
| Sharma et al. | An improved scoring system for software vulnerability prioritization | |
| CN111221690A (zh) | 针对集成电路设计的模型确定方法、装置及终端 | |
| Awang et al. | Automated security testing framework for detecting SQL injection vulnerability in web application | |
| Miller | Scalable platform for malicious content detection integrating machine learning and manual review | |
| CN112348661A (zh) | 基于用户行为轨迹的服务策略分配方法、装置及电子设备 | |
| CN118760461A (zh) | 一种应用程序接口安全管理的方法和api管理平台 | |
| CN116244519A (zh) | 基于人工智能的用户画像管理方法及相关设备 | |
| Goldenits et al. | Small language models for phishing website detection: Cost, performance, and privacy trade-offs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210917 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210917 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211102 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211130 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6987329 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |