• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

個人の選好と報酬配分を考慮したパーソナルデータの健全で頑健な流通系構築に向けて

研究課題

研究課題/領域番号 21K19767
研究種目

挑戦的研究(萌芽)

配分区分基金
審査区分 中区分60:情報科学、情報工学およびその関連分野
研究機関大阪成蹊大学 (2023)
京都大学 (2021-2022)

研究代表者

吉川 正俊  大阪成蹊大学, データサイエンス学部, 教授 (30182736)

研究分担者 曹 洋  北海道大学, 情報科学研究院, 准教授 (60836344)
鄭 舒元  大阪大学, 大学院情報科学研究科, 特任助教(常勤) (30994694)
研究期間 (年度) 2021-07-09 – 2025-03-31
研究課題ステータス 交付 (2023年度)
配分額 *注記
6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2023年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
キーワードプライバシ保護 / 機械学習 / 連合学習 / シャープレー値 / パーソナルデータ市場 / パーソナルデータ / プライバシー保護 / 差分プライバシー / データ価値査定
研究開始時の研究の概要

国家によるGAFAなどのプラットフォーム大手に対する規制とは別に,各個人がパーソナルデータを管理,制御する手法を開発することにより,パーソナルデータを個人及び社会の資産として活用するための健全なデータ流通系を構築することを目的とする.流通系にパーソナルデータを取得しようとするする悪意を持った者が存在することを仮定する安全なデータ流通系の構築を目指す.各個人がパーソナルデータの種類ごとにプライバシー保護を望む程度に応じて,個人が提供したパーソナルデータに対する対価を得るための技術開発を行う.

研究実績の概要

クロスサイロ連合学習は,異なる組織が持つプライベートデータを共有せずに共同で機械学習モデルを訓練する手法である.各組織は自身のデータを保持したままモデルパラメータの更新情報のみを交換する.これにより,プライバシーを保護しつつ,各組織の多様なデータを訓練データとする機械学習モデルを得ることができ,特に,データセキュリティやプライバシが重視される銀行や医療機関などで有効な機械学習の訓練方法である.
クロスサイロ連合学習においては,各組織が持つデータが学習モデル構築に貢献した度合いを評価することが重要になる.シャープレー値(Shapley Value)はそのための公平で原理的な指標である.しかし,連合学習における既存のシャープレー値計算手法は,サーバが生の連合学習モデルと公開テストデータにアクセスできることを前提としている.これは,連合学習モデルに対する新たなプライバシ攻撃や、テストデータが組織の資産である可能性を考慮すると,実際には有効な仮定ではない.
そこで,クロスサイロ連合学習における安全なシャープレー値計算手法を開発した.まず,プライバシー保護のための準同型暗号(HE)のみに基づく1サーバによる計算手法としてHESVを開発した.しかし,HESVには性能限界があるため,次に,効率的な2サーバプロトコルであるSecSVを開発した.SecSVの特徴としては,第一に,ハイブリッドプライバシー保護方式を利用し,準同型暗号で非常に時間がかかるテストデータとモデル間の暗号文-暗号文の乗算を回避する.第二に,SecSVのために効率的かつ安全な行列乗算法を提案した.第三に、SecSVは、評価精度に大きな影響を与えずに,いくつかのテストサンプルを戦略的に識別しスキップする.SecSVはHESVと比較し7.2~36.6倍高速であり,計算されたシャープレー値の精度の損失は限定的であることを実証した.

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

クロスサイロ連合学習は,複数の組織が保有するデータをプライバシー保護をしたまま共同で連合学習するための有効な手法である.パーソナルデータの流通のためには,データの価値査定が重要になるが,今年度の研究ではそのためのシャープレー値計算の効率的な手法を開発し,トップクラスの国際学術論文誌であるProceedings of the VLDB Endowmentに成果論文が掲載された.

今後の研究の推進方策

本補助事業の目的を精緻に達成するために,データの価値査定に関してシャープレー値の変種も含めた,より頑健な手法に関する研究を行う予定である.

報告書

(3件)
  • 2023 実施状況報告書
  • 2022 実施状況報告書
  • 2021 実施状況報告書
  • 研究成果

    (6件)

すべて 2023 2022 2021 その他

すべて 国際共同研究 (2件) 雑誌論文 (2件) (うち査読あり 2件、 オープンアクセス 1件) 学会発表 (2件) (うち国際学会 2件)

  • [国際共同研究] WeBank Co., Ltd.(中国)

    • 関連する報告書
      2022 実施状況報告書
  • [国際共同研究] Singapore Management University(シンガポール)

    • 関連する報告書
      2022 実施状況報告書
  • [雑誌論文] Secure Shapley Value for Cross-Silo Federated Learning2023

    • 著者名/発表者名
      Shuyuan Zheng, Yang Cao, and Masatoshi Yoshikawa
    • 雑誌名

      Proceedings of the VLDB Endowment

      巻: 16 号: 7 ページ: 1657-1670

    • DOI

      10.14778/3587136.3587141

    • 関連する報告書
      2023 実施状況報告書 2022 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] PCT-TEE: Trajectory-based Private Contact Tracing System with Trusted Execution Environment2022

    • 著者名/発表者名
      Kato Fumiyuki、Cao Yang、Yoshikawa Masatoshi
    • 雑誌名

      ACM Transactions on Spatial Algorithms and Systems

      巻: 8 号: 2 ページ: 1-35

    • DOI

      10.1145/3490491

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [学会発表] FL-Market: Trading Private Models in Federated Learning2022

    • 著者名/発表者名
      Shuyuan Zheng, Yang Cao, Masatoshi Yoshikawa, Huizhong Li, Qiang Yan
    • 学会等名
      IEEE International Conference on Big Data, Big Data 2022
    • 関連する報告書
      2022 実施状況報告書
    • 国際学会
  • [学会発表] Preventing Manipulation Attack in Local Differential Privacy using Verifiable Randomization Mechanism2021

    • 著者名/発表者名
      Fumiyuki Kato, Yang Cao and Masatoshi Yoshikawa
    • 学会等名
      The 35th Annual IFIP WG 11.3 Conference on Data and Applications Security and Privacy (DBSec 2021)
    • 関連する報告書
      2021 実施状況報告書
    • 国際学会

URL: 

公開日: 2021-07-13   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi