| 研究課題/領域番号 |
22K04089
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21020:通信工学関連
|
|---|
| 研究機関 | 琉球大学 |
|---|
研究代表者 |
仲地 孝之 琉球大学, 情報基盤統括センター, 教授 (00628472)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | エッジAI機械学習 / プライバシー保護 / ガウス過程 / スパースモデリング / 秘匿演算 / ランダムユニタリ変換 / 機械学習 / エッジAI |
|---|
| 研究開始時の研究の概要 |
近年、機械学習は急速に進歩し、さまざまな分野へ応用が進んでいる。その実行にはエッジ・クラウドの利用が拡大しているが、信頼性欠如や事故によるプライバシー情報の流出の問題が指摘されている。本研究では、プライバシー情報を保護しつつ1）少量データでの学習、２）低い演算量、３）説明可能なAI、といった特徴を持つエッジAI機械学習の提案を目的とする。具体的には、スパースモデリングならびに深層ガウス過程と呼ばれる機械学習モデルに着目し秘匿演算手法を提案するとともに、応用例を通して、秘匿性能や予測性能を検証する。
|
| 研究実績の概要 |
近年、AI機械学習は急速に進歩し様々な分野へ応用が進んでいる。実装においては機器の保守管理の容易さや計算コストの利点から、エッジ・クラウドの利用が拡大している。しかし、エッジ・クラウドの利用においては、信頼性欠如や事故などによるデータ流出によって、プライバシー侵害の問題が危惧されている。本研究では、プライバシー情報を保護しつつ 1）少量データでの学習、２）低い演算量、３）説明可能なAI、といった特徴を持つエッジAI 機械学習の提案を目的としている。２年目の本年度はエッジAI 機械学習として、秘匿スパースモデリングの性能向上と応用、秘匿深層ガウス過程の基本モデルの検討、ガウス過程回帰の通信応用について研究を進めた。具体的な成果を以下に示す。
（１）秘匿スパースモデリングの性能向上と応用では、これまで実現できなかった非線形スパースモデリングの秘匿演算法を提案し、パターン認識を通して識別性能の向上を確認した。並行して秘匿スパースモデリングの収束性能を大幅に改善する深層展開に基づく学習モデルの検討を進め、画像再構成への応用を通して有効性を検証した。
（２）秘匿深層ガウス過程の基本モデル検討では、単層の無限幅ニューラルネットワークの秘匿演算がガウス課程回帰を用いることで実現できることを示し、糖尿病の臨床データを用いて有効性を検証した。また並行して、ガウス過程の教師なし機械学習モデルであるガウス過程潜在変数モデルの秘匿演算を提案した。
（３）ガウス過程回帰の通信応用では、ガウス過程回帰にスパース表現を取り入れることで、ネットワークトラフィックの高精度な予測と異常検知を可能とする手法を提案した。
以上の研究結果について、ジャーナル論文2件、国際会議3件を含む発表論文8件の実績を達成した。また、シンポジウムで招待講演を行い、秘匿ガウス過程の概要と最新の研究成果について解説した。
|
| 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
ジャーナル論文2件、国際会議3件を含む発表論文8件の実績を達成し、本研究課題は順調に進展している。主な成果として、秘匿スパースモデリングの性能向上ではこれまで実現できなかった非線形スパースモデリングの秘匿演算法を提案し、パターン認識を通して識別性能の向上を確認した。秘匿深層ガウス過程の基本モデル検討では、単層の無限幅ニューラルネットワークの秘匿演算がガウス課程回帰を用いることで実現できることを示した。今後、単層の無限幅ニューラルネットワークの秘匿演算を拡張することで、深層ガウス過程の秘匿演算が実現できる見通しが得られた。ガウス過程回帰の通信応用では、ガウス過程回帰にスパース表現を取り入れることで、ネットワークトラフィックの高精度な予測と異常検知を可能とする手法を提案した。
今年度の研究により、秘匿スパースモデリングを中心にエッジAI 機械学習の性能向上確認と秘匿深層ガウス過程実現の見通しが得られた。今後、より幅広い応用分野へ提案手法が適用可能であることが期待される。
|
| 今後の研究の推進方策 |
今年度までに得られた成果をもとに、秘匿深層ガウス過程の提案と秘匿スパースモデリングを含むエッジAI機械学習の適用分野の拡大について検討を進める。具体的には、以下の３点を中心に研究を進める。
（１）秘匿スパースモデリングの適用分野の拡大：これまでに確認された大幅な収束性能や識別・予測性能の向上に基づき、雑音除去や超解像処理の秘匿演算など新たな画像処理への適用を検討する。秘匿性能ならび画像処理性能の評価を行い、要求条件に応じた秘匿性能向上を併せて検討する。
（２）秘匿深層ガウス過程の提案：単層の無限幅ニューラルネットワークの秘匿演算を多層へ拡張することで、秘匿深層ガウス過程の実現を目指す。実現できれば、深層学習で到達している高い予測性能を保持したまま秘匿演算が可能となる。またブラックボックスとされる深層学習について、深層ガウス過程に基づいた設計を行うことで、秘匿演算においても理論的解釈を与えることができる。
（３）エッジ分散コンピューティングへの適用：スパースモデリングとガウス過程の秘匿演算について、秘匿強度や予測性能ならびにアプリケーションの観点からメリットやデメリットなど特徴をまとめる。特に有望とされるエッジ分散コンピューティングへ適用した際の秘匿強度や予測性能の評価を行う。
|
