| 研究課題/領域番号 |
20K11826
|
|---|
| 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60070:情報セキュリティ関連
|
|---|
| 研究機関 | 国立研究開発法人情報通信研究機構 |
|---|
研究代表者 |
王 立華 国立研究開発法人情報通信研究機構, サイバーセキュリティ研究所, 主任研究員 (00447228)
|
|---|
| 研究分担者 |
小澤 誠一 神戸大学, 数理・データサイエンスセンター, 教授 (70214129)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | プライバシー保護 / 連合学習 / 決定木 / 継続学習 / 差分プライバシー / 匿名化 |
|---|
| 研究成果の概要 |
本研究では、まず、プライバシー保護機械学習に必要な秘密計算技術であるセキュアな大小比較という準同型暗号方式を提案し、学習済みの決定木のモデルから学習用データが漏洩することを防ぐため、差分プライバシーを使ったアプローチを提案した。次に、同業種データ向けに多くの機械学習手法を汎用できるプライバシー保護連合学習フレームワークを構築し、特に勾配ブ―スティング決定木に基づく効率的な連合学習方式を設計した。当方式に基づいて継続学習、更に、欠損値補完の手法を拡張し異業種データ向け連合学習への展開について研究開発を行っている。
一連の研究成果は9件の国際会議や論文誌で採択されたほか、特許出願も行った。
|
| 自由記述の分野 |
情報学基礎
|
| 研究成果の学術的意義や社会的意義 |
本研究の学術的意義は、セキュアな大小比較の準同型暗号方式と差分プライバシーの実現アプローチの提案により、機械学習におけるプライバシー保護の新たなアプローチを提示したことである。また、異業種データの安全な利用を促進する効率的なプライバシー保護連合学習フレームワークを構築し、効率性とプライバシー保護の両立を可能にした。社会的意義としては、ビッグデータの拡大に伴う個人情報漏洩を防ぎ、金融や医療分野での安心して利用できる効率的なAIサービスの提供を支援する。
|
