機械学習における統計的安全性の理論

2018 年度 実績報告書

• 研究課題/領域番号: 16H02864
• 研究機関: 筑波大学
• 研究代表者: 佐久間 淳 筑波大学, システム情報系, 教授 (90376963)
• 研究分担者: 日野 英逸 統計数理研究所, モデリング研究系, 准教授 (10580079) ; 神嶌 敏弘 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 (50356820) ; 兼村 厚範 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, 招聘研究員 (50580297) ; 松田 隆宏 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 (60709492) ; 村上 隆夫 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 (80587981)
• 研究期間 (年度): 2016-04-01 – 2019-03-31
• キーワード: 差分プライバシー / 局所差分プライバシー / プライバシーポリシー / 機械学習 / 統計的推定

研究実績の概要

今年度の主な実績は以下の２つである。

（１）少サンプルにおける局所差分プライバシーを保証した分布推定：ランダム化したデータから元データの分布を推定するローカルモデルにおける代表的なプライバシー指標としてLDP（Local Differential Privacy）が知られている。データ数Nが少ない場合、分布の推定は非常に困難な作業となる。この研究では、このような場合に、正確に分布を推定する方法を提案した。この目的を達成するために，EM(Expectation-Maximization)による再構成に着目し，Rilstoneらの理論を用いてその推定誤差(推定値と真値の差)を補正する手法を提案し、位置情報を含む2つの大規模データと国勢調査データを含む3つの大規模データを用いて評価した。その結果，提案手法は，Nが小さい場合には，すべてのデータセットにおいてEM再構成法を有意に凌駕することが示された．

（２）プライバシーポリシーの強制を可能にするアウトソース型秘匿関数評価：評価者がデータ提供者のプライベートデータを用いて関数を評価し、その評価結果をクライアントが取得するものとする。このとき提案法であるOPFE-PPEは、評価者ポリシーとクライアントポリシーの2種類のプライバシーポリシーを関数評価のプロセスに適用することを可能にした。評価者ポリシーは、データを用いて機能評価を行うことができる主体を制限する。クライアントポリシーは、関数評価の結果を取得できるエンティティを制限する。この研究では、個別化医療、遺伝的疫学、機械学習による予測の3つの応用例を用いて、評価者ポリシーとクライアントポリシーの有用性を実証した。実験の結果、2つのプライバシーポリシーを強制することで生じるオーバーヘッドは、プライバシーポリシーを強制しない同型暗号による関数評価と比較して10%以下であることが示された。

現在までの達成度 (段落)

平成30年度が最終年度であるため、記入しない。

今後の研究の推進方策

平成30年度が最終年度であるため、記入しない。

研究成果

• [雑誌論文] Minimax Optimal Additive Functional Estimation with Discrete Distribution: Slow Divergence Speed Case (2018)
  • 著者名/発表者名: Kazuto Fukuchi, Jun Sakuma
  • 雑誌名: Proceedings of the 2018 IEEE International Symposium on Information Theory 巻: - ページ: pp. 1041-1045
  • DOI: 10.1109/ISIT.2018.8437725
  • 査読あり
• [雑誌論文] Non-interactive and Output Expressive Private Comparison from Homomorphic Encryption (2018)
  • 著者名/発表者名: Wen-jie Lu, Jun-jie Zhou, Jun Sakuma
  • 雑誌名: Proceedings of the 2018 ACM Asia Conference on Computer and Communications Security 巻: - ページ: pp. 67-74
  • DOI: 10.1145/3196494.3196503
  • 査読あり / オープンアクセス
• [雑誌論文] Toward Distribution Estimation under Local Differential Privacy with Small Samples (2018)
  • 著者名/発表者名: Takao Murakami, Hideitsu Hino, Jun Sakuma
  • 雑誌名: Proceedings on Privacy Enhancing Technologies 巻: - ページ: pp. 84-104
  • DOI: 10.1515/popets-2018-0022
  • 査読あり / オープンアクセス
• [雑誌論文] Outsourced Private Function Evaluation with Privacy Policy Enforcement (2018)
  • 著者名/発表者名: Noboru Kunihiro, Wenjie Lu, Takashi Nishide, Jun Sakuma
  • 雑誌名: Proceedings of the 17th IEEE International Conference On Trust, Security And Privacy In Computing And Communications 巻: - ページ: pp. 412-423
  • DOI: 10.1109/TrustCom/BigDataSE.2018.00068
  • 査読あり