| 研究課題/領域番号 |
22H00521
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 | 統計数理研究所 (2023-2025)
国立研究開発法人産業技術総合研究所 (2022) |
|---|
研究代表者 |
村上 隆夫 統計数理研究所, 学際統計数理研究系, 准教授 (80587981)
|
|---|
| 研究分担者 |
南 和宏 統計数理研究所, 学際統計数理研究系, 教授 (10579410)
日野 英逸 統計数理研究所, 先端データサイエンス研究系, 教授 (10580079)
Attrapadung Nuttapong 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, 研究チーム長 (40515300)
曹 洋 東京科学大学, 情報理工学院, 准教授 (60836344)
大原 一真 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 (80836479)
佐久間 淳 東京科学大学, 情報理工学院, 教授 (90376963)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2025年度)
|
| 配分額 *注記 |
41,860千円 (直接経費: 32,200千円、間接経費: 9,660千円)
2025年度: 8,190千円 (直接経費: 6,300千円、間接経費: 1,890千円)
2024年度: 8,190千円 (直接経費: 6,300千円、間接経費: 1,890千円)
2023年度: 8,190千円 (直接経費: 6,300千円、間接経費: 1,890千円)
2022年度: 9,100千円 (直接経費: 7,000千円、間接経費: 2,100千円)
|
|---|
| キーワード | 差分プライバシー / グラフ / 分散型SNS |
|---|
| 研究開始時の研究の概要 |
本研究では，ソーシャルグラフが複数のサーバやユーザに分散化されている（即ち，グラフ全体を保有する中央集権サーバを仮定しない）分散型SNSにおいて，交友関係などのデータが漏洩しないことを保証する差分プライバシー（DP: Differential Privacy）を満たしつつ，グラフの統計情報や機械学習モデルを高精度に求める分散型グラフDP技術を確立する．
|
| 研究実績の概要 |
本研究では，分散型SNSにおいて，元データが漏洩しないことを保証する差分プライバシー（DP: Differential Privacy）を満たすように，グラフの統計情報や機械学習モデルを求める技術の確立を目標としている．
令和5年度では，主に以下の成果を上げた．
(1) グラフ統計量として部分グラフ数（triangle count，k-star count）に着眼し，秘密計算を用いることで，中央集権サーバなしでDPを満たしつつ，かつ高精度に部分グラフ数を求めるプロトコルを提案し，理論的および実験的に有効性を示した．本成果は，データベース分野のトップ国際会議ICDE'24に採択された（尚，ICDE'24の成果は令和6年度に発表予定）．
(2)ソーシャルグラフと位置情報の両データを用いて，co-locations（友達同士が同一の場所にいるイベント）に関する統計情報を保存した合成データを生成するアルゴリズムを確立した．本アルゴリズムは，ソーシャルグラフに対してはnode DP，位置情報に対してはuser-level DPという強固な安全性指標を達成するものである．本成果は，情報セキュリティ分野の国際論文誌IJIS'24 (IF=3.2)に採択された．
|
| 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
令和5年度では特に，中央集権サーバなしでDPを満たしつつ，かつ高精度に部分グラフ数を求めるプロトコルを提案し，データベース分野のトップ国際会議ICDE'24に採択された（尚，ICDE'24の成果は令和6年度に発表予定）．以上により，順調に推移している．
|
| 今後の研究の推進方策 |
今後は，(1)GNNなどの機械学習に向けたグラフDP技術，(2)汚染攻撃などのセキュリティ面での攻撃に対する安全性を持つDP技術 などの研究を推進していく．
|
