2024年USPTO 101条ガイダンスアップデート：事例47のポイント

2024 Guidance Update 事例47(Example 47)は、米国特許商標庁（USPTO）により示されたAI発明に関するガイダンスの一部で、機械学習（ML）モデルを用いた発明の特許適格性について詳述しています。発明の内容は、データセットを用いてMLモデルをトレーニングし、それを基に予測を行う方法です。主な論点は、この方法が特許適格性を満たすかどうか、特に「抽象的なアイデア」として分類されるか否かの判断です。

以下の事例47の技術的背景は特許明細書形式で書かれており、USPTOガイドラインに基づき英文で記載されています。この内容は、米国出願を検討しているAI関連発明の特許明細書作成に非常に役立ちます。特に事例47で特許保護適格性ありとされているクレーム1をサポートする記載（以下で下線表示）は、必見です。

事例47の技術的背景 (事例47のBackgroundに基づく内容）
実務上のポイント

事例47の技術的背景 (事例47のBackgroundに基づく内容）

事例４７の発明は、人工ニューラルネットワーク（ANN）を使用して異常を識別または検出することを目的とします。特別に訓練されたANNを使用して異常を検出することにより、異常を検出する従来技術よりも多くの改善を実現し、異常をより正確に検出することができます。本発明はさらに、より短いトレーニング時間と異常検出のためのより高精度のモデルを実現するANNの訓練方法に関わるものです。

ANNは、画像認識、音声認識、パターン認識、異常検出など、さまざまな複雑なタスクを実行するために使用される機械学習モデルの一種です。ANNは、ソフトウェア、ハードウェア、またはソフトウェアとハードウェアの組み合わせによって実現することができます。ANNの構造は、層構造であり、各層は１つ以上のニューロン配列に配置された１つ以上のニューロンを含みます。一実施形態において、ニューロンは、レジスタ、マイクロプロセッサ、および少なくとも１つの入力を含むことができます。各ニューロンは、前層の出力および重みのセットを入力として使用する活性化関数を用いて、出力または活性化を生成します。ニューロン配列内の各ニューロンは、シナプス回路を介して別のニューロンに接続することができます。シナプス回路は、シナプス重数を記憶するためのメモリを含むことができます。例えばANNは、入力層、出力層、および複数の接続された隠れ層を有するディープニューラルネットワークとすることができます。ANNは、線形および非線形関係における特徴を効果的に抽出することができるため、異常検出において非常に有用です。いくつかの実施形態において、ANNは、アプリケーション特化型集積回路（ASIC）によって実装することができます。ASICは、特定の人工知能アプリケーション用に特別にカスタマイズされ、従来のCPUと比較して優れた計算能力と低消費電力を提供することができます。

いくつかの実施形態において、トレーニングデータは、コンピュータで連続データを受信し、コンピュータを使用して連続データを離散化することにより生成されます。いくつかの実施形態において、連続データは、ネットワークを介してリモートに受信することができます。連続データは、ニューラルネットワークがパターンを学習して潜在的な異常を識別または検出するために使用することができる履歴データとすることができます。

連続データは、測定され、任意の数の可能な値を有することができるデータです。機械学習モデルは、連続データではなく、離散データで訓練されることに利点があります。離散データは、カウントすることができ、限られた数の値を有します。ビンニング、クラスタリング、数値的離散化を含む、任意のタイプの離散化方法を使用して、連続データを離散データに変換することができます。ANNは、既知の訓練技術のいずれかを使用して、異常検出モデルを生成するために訓練されます。訓練されたANNは、異常を検出するために受信データセットを監視します。訓練されたANNが１つ以上の異常を検出した場合、検出された異常を分析して、異常データを生成し、異常データをユーザに出力したり、またはANNを再訓練するために使用することができます。例えば、異常データは、異常の種類または異常の原因を説明することができます。

開示されたシステムは、ネットワーク侵入を検出し、ネットワーク管理者に警告する必要なしに、疑わしいパケットを自動的にドロップし、疑わしい送信元アドレスからのトラフィックをブロックするなど、修復アクションを実行します。従来のネットワーク修復ソリューションとは異なり、開示された方法およびシステムは、悪意のあるネットワークパケットを識別し、リアルタイムで疑わしいパケットをドロップし、疑わしい送信元アドレスからのトラフィックをブロックするなど、修復アクションを実行することができます。開示されたシステムは、ネットワーク管理者がネットワーク侵入に反応するために待機する際に伴う遅延を回避することにより、リアルタイムでANNによって識別された異常に基づいて疑わしいパケットを自動的にドロップし、疑わしい送信元アドレスからのトラフィックをブロックすることによって、ネットワークセキュリティの向上を実現します。