| 研究課題/領域番号 |
22KJ2294
|
|---|
| 補助金の研究課題番号 |
22J23910 (2022)
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 (2023)
補助金 (2022) |
|---|
| 応募区分 | 国内 |
|---|
| 審査区分 |
小区分60070:情報セキュリティ関連
|
|---|
| 研究機関 | 奈良先端科学技術大学院大学 |
|---|
研究代表者 |
笹田 大翔 奈良先端科学技術大学院大学, 先端科学技術研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2023-03-08 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
2,500千円 (直接経費: 2,500千円)
2024年度: 800千円 (直接経費: 800千円)
2023年度: 800千円 (直接経費: 800千円)
2022年度: 900千円 (直接経費: 900千円)
|
|---|
| キーワード | 連合学習 / メンバシップ推論 / パラメータシャッフリング / プライバシ保護 / マッチングアルゴリズム / 差分プライバシー / 時空間データ / 連合分析 / 準同型暗号 / Bulletproof / プライバシー保護 / 紛失通信 / データセキュリティ |
|---|
| 研究開始時の研究の概要 |
時間的・空間的なユーザ位置の局所性に着目し、時間と空間それぞれで適切な保護強度を使い分ける新たなLDPモデル実現を目指す。時間・空間の局所性を効果的に活用するデータの分割方法と、利用用途ごとに適切な保護強度を明らかにする。予め設定した保護強度を満たすように全データを時間・空間的にデータの利用価値を損なわない様に分割・選別して保護する。時空間データには歩行や車移動など多種多様なものが含まれ、データの利用用途に応じた最適化が必要である。本研究はデータの特徴・クラスタリング手法・利用用途の組み合わせを網羅的に分析し、組み合わせに依らずに活用できるLDPモデルに挑戦する。
|
| 研究実績の概要 |
本研究は，時間的・空間的な傾向を維持可能なプライバシ保護手法の実現を目的としている．特に位置推薦システムに着目して，研究を実施した．従来の連合学習ベースの位置推薦システムでは，悪意のあるサーバがパラメータの更新率を監視することで，クライアントの元の位置データを推測できるという深刻なプライバシ問題が存在していた．特に公平な推薦を実現するBayesian Personalized Rankingは多数の学習エポックを必要とするため，この脆弱性が顕著に現れていた．そこで本研究では，サーバ集約前にクライアント間でパラメータを交換するパラメータシャッフリングを開発した．シャッフリングのアルゴリズムにより，悪意のあるサーバが特定のクライアントを継続的に追跡しても，そのクライアントの実際のパラメータを受信できないように設計した．また，パラメータ交換回数の上限をn-1回（nはクライアント数）に制限することで，モデルのパラメータ差分によるデータ復元や予測を防止できるようにした．データセットを用いた実験では，通常の中央集約型アプローチと比較して推薦品質をある程度維持しながら，悪意のあるサーバによる位置データ推測攻撃を効果的に防止することを実証した．実行時間についても，クライアント数に応じて線形的に増加するもの事前算出した上界に収まることを確認した．
|
