2017 Fiscal Year Annual Research Report
Systematic studies on de-anonymization attacks and their countermeasures
| Project/Area Number |
26330153
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
吉浦 裕 電気通信大学, 大学院情報理工学研究科, 教授 (40361828)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
久保山 哲二 学習院大学, 付置研究所, 教授 (80302660)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | 匿名化 / プライバシー保護 / 個人特定 / 不正抑止 |
|---|
| Outline of Annual Research Achievements |
匿名情報からの個人特定手法に関して，下記の検討を行った．
(1)ソーシャルメディアの投稿文の発信元を特定する技術を検討した．本技術は，ソーシャルメディアの匿名の発言（たとえば内部告発）を，社員等の履歴書と照合することで，投稿者を特定する．平成28年度には，履歴書中の属性（住所，学歴等）毎に機械学習によって識別器を生成し，複数の識別器の結果を線形結合によって統合する手法を検討した．29年度には，複数の識別器の最適な統合をアダブーストによって学習する手法を検討し，60%の精度の個人特定を可能にした．本技術は，いじめ発言やフェイクニュースの発信元の特定にも応用可能である．
(2)WiFi基地局を通じて取得した移動経路をソーシャルメディアの投稿文と照合することで，同一人物による移動経路と投稿文を検知する技術を検討した．本技術は，移動経路から個人毎の移動の傾向を学習し，投稿文中に出現する地名と比較することで，65%の精度の検知を可能にした．本検討を上記(1)の検討と合わせることで，移動履歴とソーシャルメディアと履歴書の3者間照合により，移動履歴から個人特定が可能となる．
(3)WiFi通信事業者との契約を経て，訪日外国人観光客160000人の移動履歴を入手し，移動の傾向から個人の属性を推定する技術を検討した．代表的な5つの機械学習法を用いた評価の結果，人数の多い8か国のなかから45%の精度で国籍を特定，10代から60代までの6年代のなかから25%の精度で年代を特定することができた．
なお，以上の(1)から(3)の検討において被験者の個人情報(履歴書，移動履歴など）を扱う際には，所属大学の倫理審査を受け，取扱者を限定するなど細心の注意を払った．
|
Research Products
(6 results)
