2020 Fiscal Year Annual Research Report
Flexible framework of privacy-preserving IoT data analysis
| Project/Area Number |
18K19835
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
清 雄一 電気通信大学, 大学院情報理工学研究科, 准教授 (20700157)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田原 康之 電気通信大学, 大学院情報理工学研究科, 准教授 (30390602)
大須賀 昭彦 電気通信大学, 大学院情報理工学研究科, 教授 (90393842)
|
|---|
| Project Period (FY) |
2018-06-29 – 2021-03-31
|
| Keywords | IoT / プライバシ |
|---|
| Outline of Annual Research Achievements |
誤差のあるパーソナルデータを含むIoTデータに対する匿名化手法（k-匿名性やDifferential Privacy（差分プライバシ）に基づく）を提案した。参加型センシングと呼ばれるソフトウェアは、モバイル・センシング・デバイスを介して人々の周囲の情報を収集する手段として人気が高まっている。参加型センシングでは、参加者の周囲の情報を分析する際に、プライバシ侵害などの問題が生じる可能性があるため、プライバシ保護を目的とした参加型センシングの開発が行われてきた。プライバシ保護のために、参加者は自分のデバイスでセンシングされたデータを擾乱し、その擾乱されたデータをデータ収集者に報告する。データ収集者は報告されたデータ群から真のデータ分布を推定する。データにセンシングエラーがない限り、現在の方法でもデータの分布を正確に評価することができる。しかし、センシングエラーを含むデータの解析はこれまでほとんど行われていない。様々なセンシングエラーを考慮して初めて、プライバシーレベルを維持したより正確な分析が可能になる。
また、誤差のあるデータを対象に機械学習モデルでクラス分類を行うと分類誤差が増大するが、機械学習モデル訓練時の混同行列の情報を併用することにより、個々の分類誤差が増大してしまったとしてもカウントの精度低下を軽減するアルゴリズムを開発した。
さらに、カイ二乗検定等、統計分析結果を公開することによるリスクに着目し、Differential Privacyを満たしながらカイ二乗検定の値を安全に出力する手法を開発した。特にサンプル数が少ない場合に、既存研究と比べて比較的高い精度を実現することを示した。COVID-19のデータセットに対する評価も実施した。
また、IoTベースの医療サービスにおけるプライバシ保護データ解析基盤を開発した。
|
