研究課題/領域番号 |
23K24851
|
補助金の研究課題番号 |
22H03595 (2022-2023)
|
研究種目 |
基盤研究(B)
|
配分区分 | 基金 (2024) 補助金 (2022-2023) |
応募区分 | 一般 |
審査区分 |
小区分60080:データベース関連
|
研究機関 | 東京工業大学 (2024) 北海道大学 (2022-2023) |
研究代表者 |
曹 洋 東京工業大学, 情報理工学院, 准教授 (60836344)
|
研究分担者 |
吉川 正俊 大阪成蹊大学, データサイエンス学部, 教授 (30182736)
小西 葉子 関西学院大学, 総合政策学部, 専任講師 (00876708)
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) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2024年度)
|
配分額 *注記 |
17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)
2024年度: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2023年度: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2022年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
|
キーワード | differential privacy / 差分プライバシ / 説明可能性 / プライバシー保護 / Differential Privacy / Explainability / 11111 |
研究開始時の研究の概要 |
Our project aims at providing a crucial component to the existing DP systems: a principled framework for explaining, choosing, a nd negotiating privacy parameters in differentially private analysis. We call such a framework Explainable DP, which is a set of approaches, guidelines, and toolkits.
|
研究実績の概要 |
We conduct research on privacy budgeting in the context of differentially private data analysis. Our focus areas include differentially private trajectory event stream publishing, spatiotemporal data releasing, differentially private streaming data release, and locally private streaming data release with shuffling and subsampling. Preliminary experimental results indicate that the main factor affecting the trade-off between privacy risk and utility metrics is the specific scenario in which the analysis is conducted. A key takeaway from our research is that achieving an optimal privacy budget is not universally possible without considering the specific differentially private algorithms and data distributions involved.
|
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
Our findings have been published in reputable venues such as IEEE MDM, IEEE ICDE workshops, IEEE CSF, and the IEICE journal.
|
今後の研究の推進方策 |
We will now move on to our third topic of privacy budgeting: how to reconcile conflicts when different stakeholders have varying requirements for privacy parameters. Our basic idea is to use data market mechanisms.
|