2019 Fiscal Year Annual Research Report
大規模なパーソナルデータに向けた局所型プライバシー保護技術の研究
| Project/Area Number |
19H04113
|
|---|
| 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, 主任研究員 (80587981)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
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)
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)
日野 英逸 統計数理研究所, モデリング研究系, 准教授 (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)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 位置情報プライバシー / トレース / 人工データ生成法 |
|---|
| Outline of Annual Research Achievements |
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するプライバシー保護技術の研究を推進している．
令和元年度では，大規模な位置情報の人工データの生成法に関する研究で成果を上げた．具体的には，トレース（位置情報の時系列データ）に関する様々な統計情報（時間帯ごとの人口分布，遷移行列，学生・通勤者などある特定の特徴をもったユーザの行動パターンなど）をMTF（Multiple Tensor Factorization）でモデル化し，MH（Metropolis Hastings）法を用いてトレースを生成し，posterior samplingとPD（Plausible Deniability）testによってユーザのプライバシーを保護する人工データ生成法「PPMTF（Privacy-Preserving Multiple Tensor Factorization）」を確立した．本方式が持つ有用性，安全性，スケーラビリティの3つの観点で，従来の方式よりも優れていることを，実データを用いた網羅的な評価実験により明らかにした．また，本成果は，pre-printにおいて公開済みである．
尚，本人工データの生成法は，国内における位置情報の匿名加工と再識別のコンテストPWSCup 2019における，人工データ生成法の一部として実際に使用された．研究代表者は，PWSCup 2019の実行委員長を務め，コンテスト論文をCSS 2019において発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
従来の方式よりも有用性，安全性，スケーラビリティが優れた位置情報の人工データ生成法の確立に成功し，PWSCup 2019の人工データ生成法の一部として実際に使用されたため．
|
| Strategy for Future Research Activity |
今後は，時系列データや数多くの属性データなどの，高い相関を持つ大規模パーソナルデータの保護に対してより網羅的に取り組むため，高い相関を持つデータを同一の加工データに変換するプライバシー保護技術や，相関のあるデータを保護する一般的な安全性指標とプライバシー保護技術などの研究を進めていく予定である．
|
Research Products
(2 results)
