信頼できる機関を仮定しない空間統計データ構築技術の開発

2017 Fiscal Year Research-status Report

• Project/Area Number: 16K16069
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: 村上 隆夫 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, 研究員 (80587981)
• Project Period (FY): 2016-04-01 – 2019-03-31
• Keywords: 位置情報プライバシー / データプライバシー / 差分プライバシー / 反復ベイズ法 / 分布推定誤差

Outline of Annual Research Achievements

本研究では，信頼できる機関（TTP: Trusted Third Party）を仮定しない「空間統計データ構築技術」の研究を推進している．この技術は，各ユーザの位置情報にノイズ付与などの加工を施すメカニズムと，大量の加工済み位置情報から元の位置情報分布を推定する分布推定法から構成される．前者のメカニズムについては，randomized responseや二次元ラプラスメカニズムなどが提案されており，後者の分布推定法については，逆行列法や反復ベイズ法（Expectation-Maximization reconstruction法）などが提案されている．

平成29年度では，空間統計データを構築するための分布推定法で成果を上げた．具体的には，最も有望な従来手法である反復ベイズ法の分布推定誤差を，Rilstoneらの理論に基づいて補正する手法のブラッシュアップを行った．この手法では，分布推定誤差を推定する上で，フィッシャー情報行列の逆行列を推定する必要があるが，ユーザ数やprivacy budgetが小さいときに，この逆行列の推定値が正確でないという課題がある．この課題を解決するため，分布推定誤差を推定した後，重み係数をかけた上で，反復ベイズ法の推定値から差し引く手法を提案した．この重み係数は，パラメトリック・ブートストラップ法のように，経験分布から人工データを生成し，その人工データに基づくシミュレーションによって最適化した．提案手法の有効性を示すために，2つの位置情報データセットと1つの国勢調査のデータセットの計3つの実データを用いた評価実験を行い，提案手法が反復ベイズ法と比べて大幅な精度向上が可能であることを，全てのデータセットで示した．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

反復ベイズ法の分布推定誤差を，Rilstoneらの理論に基づいて補正する手法のブラッシュアップを行い，計3つの実データを用いた評価実験によって提案手法の有効性を示した．また，この成果は国際会議での発表を予定している．

Strategy for Future Research Activity

今後は，各ユーザのデータにノイズ付与などの加工を施すメカニズムについて，従来手法よりも高精度な手法を提案することを検討している．

Causes of Carryover

理由：平成30年度，トップ国際会議／ジャーナル論文への投稿を検討しており，学会発表や論文誌掲載料として使用した方が良いと考えたため．
使用計画：平成30年度の学会発表や論文誌掲載料として使用する予定．