| 研究課題/領域番号 |
16H02864
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 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 | 機械学習 / 人工知能 / セキュリティ / プライバシー / 公平性 |
|---|
| 研究成果の概要 |
統計的安全性のデファクトスタンダードである差分プライバシ/局所差分プライバシをベースとし、機械学習におけるデータ/モデル/予測公開の統計的安全性定義の確立とその保護手法に取り組んだ。また、暗号理論で発展してきた高機能暗号を用いて、暗号理論的に安全な統計解析手法を構築した. 多くの研究ではその安全性に理論的保証がある。またその有用性は個人ゲノムや位置データなどの実データを利用して検証した。
|
| 自由記述の分野 |
機械学習
|
| 研究成果の学術的意義や社会的意義 |
統計解析や機械学習を実現するためには、個人からプライバシー情報を集めたり、そのような情報を使って解析した結果を公開する必要がある。また機械学習の予測事態が不公平な決定をする可能性がある。このような問題を統計理論および暗号理論の技術を用いて解決する方法を複数提案した。
|
