| 研究課題/領域番号 |
21H03496
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
清 雄一 電気通信大学, 大学院情報理工学研究科, 准教授 (20700157)
|
|---|
| 研究分担者 |
大須賀 昭彦 電気通信大学, 大学院情報理工学研究科, 教授 (90393842)
田原 康之 電気通信大学, 大学院情報理工学研究科, 准教授 (30390602)
松崎 和賢 中央大学, 国際情報学部, 准教授 (00831794)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | IoT / プライバシ / 機械学習 |
|---|
| 研究実績の概要 |
顔画像やセンサーデータを含む学習済み機械学習モデルの公開が増えており、ユビキタス機械学習社会が到来する。利便性が向上する一方で、個人情報漏洩のリスクが拡大し、全容把握が困難。本研究では、プライバシ漏洩リスクを明らかにし、個人特定や属性値漏洩を防ぐ基盤を提供することが目標である。
今年度は、顔画像やセンサデータを対象に機械学習モデルを構築し、その精度を向上させるアルゴリズムを提案した。さらに、機械学習モデルへのセキュリティ・プライバシ攻撃を検出するアルゴリズムを提案した。
また、ユビキタス社会では誤差を持つデータが多数生成されることになる。誤差を持つデータを対象に、プライバシを保護しながら機械学習モデルを生成するアルゴリズムを提案した。具体的には、プライバシ保護指標として「差分プライバシ」を適用した。これは、Apple社など多くの企業で利用されている技術である。差分プライバシはオリジナルの値に意図的にノイズを与えることによってプライバシを保護する。本研究では、オリジナルの値には誤差が含まれており、誤差を含まない「真の値」を保護する新しいコンセプトの下で差分プライバシを適用した。プライバシを保護できることを数学的に証明したほか、データ解析精度が向上することを示した。
このほか、CTで生成された画像を高精度に再構築する深層学習モデルを生成したほか、主に医療データを対象にして、Similarity attack, Skewness attack, Sensitivity attackを防ぐことのできるシステムを構築した。
|
| 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
新型コロナウイルス感染症の影響により実験の延長を余儀なくされたものの、査読付き学術雑誌11編、査読付き国際会議5編の成果を挙げたほか、IPSJ/IEEE Computer Society Young Computer Researcher Awardや4th IEEE International Conference on Computing, Electronics & Communications Engineering (iCCECE), Best Paper Awardを受賞しており、研究目標をおおむね達成できていることから、「おおむね順調に進展している」と評価できると考えられる。
|
| 今後の研究の推進方策 |
差分プライバシでプライバシ保護処理され作成されたデータベースや機械学習モデルを対象にして、個人識別がどの程度可能かに関して調査・研究を行う計画である。
また、人と人とのインタラクションにおいてプライバシデータが発生した際のデータの取り扱いについての研究を行う。
さらに、クラウドコンピューティング上でのデータ及び機械学習モデルに対する、セキュリティ・プライバシの課題を明らかにして体系化する計画である。
|
