A Study on Locally Private Algorithms for Large-Scale Personal Data
| Project/Area Number |
19H04113
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60070:Information security-related
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
Murakami Takao 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (80587981)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日野 英逸 統計数理研究所, モデリング研究系, 教授 (10580079)
清 雄一 電気通信大学, 大学院情報理工学研究科, 准教授 (20700157)
松田 隆宏 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60709492)
川本 裕輔 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60760006)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2021: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
Fiscal Year 2020: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
Fiscal Year 2019: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
|
|---|
| Keywords | 局所型プライバシー / 差分プライバシー / 時系列データ / グラフデータ / 安全性指標 / プライバシー / グラフ / 位置情報 / パーソナルデータ / 位置情報プライバシー / 局所型差分プライバシー / メンバーシップ推定 / トレース / 人工データ生成法 |
|---|
| Outline of Research at the Start |
本研究では，長期間にわたる時系列データ（位置情報，電力使用量など）や数多くの属性データ（年齢，結婚状況，収入など）といった大規模なパーソナルデータに対して，ユーザ自身が加工を施してサービス事業者に送信する局所型プライバシー保護技術を確立する．本技術は，長期間にわたる時系列データや数多くの属性データに対し，サービス事業者からの情報漏洩の可能性まで考慮して安全性を保証するものであり，これによりパーソナルデータの利活用促進を加速させる．
|
| Outline of Final Research Achievements |
In this work, we studied locally private algorithms for large-scale personal data, such as time-series data (e.g., location traces) and social graph data. Specifically, we proposed a locally private algorithm based on LSH (Locality Sensitive Hashing), a location trace synthesizer, and graph LDP (Local Differential Privacy) algorithms with utility guarantees. We also proposed a privacy notion called ULDP (Utility-Optimized LDP), which provides privacy guarantees equivalent to LDP for only sensitive data.
|
| Academic Significance and Societal Importance of the Research Achievements |
従来の局所型プライバシー保護技術のほとんどは，各データが独立であると仮定しており，長期間にわたる時系列データ（位置情報など）やソーシャルグラフデータのような相関を持ったパーソナルデータには適用できない．本研究での成果は，このようなデータに対しても安全性や有用性の理論的保証を与え，ユーザにプライバシーの観点での安心感を与えつつ，パーソナルデータの利活用促進を加速させることが可能となる．
|
Report
(4 results)
Research Products
(11 results)
