| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 0000-00-00 00:00 高性能なプライバシーを保護した機械学習のためのデータ加工方法の提案 ○山月達太（阪大）・宮地充子（阪大/北陸先端大）  IT2023-94 ISEC2023-93 WBS2023-82 RCC2023-76 |
|
| 抄録 | （和） | 現在，ビッグデータを活用することで問題を解決しようという試みが様々な分野で行われている．しかし個人のデータを収集するためにはプライバシー保護が不可欠である．このような中でデータ活用者だけでなく収集者にたいしても数学的にプライバシー保護が保証できる指標として局所差分プライバシーが注目を集めている．局所差分プライバシーはデータ提供者がデータ収集者に対してデータを送信する際にランダムなノイズを加えることでデータを保護する手法である．そして局所差分プライバシーを機械学習に適用する試みが行われている．しかし局所差分プライバシーは多次元データに対しては有用性とプライバシー保護の制御が難しい課題がある．そのため機械学習に適用するためには次元削減やデータの離散化などを組み合わせノイズを抑制する必要がある．本研究では機械学習に局所差分プライバシーを適用するにあたりデータの加工をデータの分布に応じて行うことでより高い精度の学習を可能にした．また機械学習データセットの属性に応じてノイズを加える強度を調整することで厳しいプライバシーの下でも学習を行うことを可能とした． |
| （英） | Currently, attempts are being made in various fields to solve problems by utilizing big data. However, privacy protection is essential for the collection of personal data. In this context, local differential privacy has attracted attention as an index that can mathematically guarantee privacy protection not only for data users but also for data collectors. Local differential privacy is a method to protect data by adding random noise when data providers send data to data collectors. Local differential privacy has been attempted to be applied to machine learning. However, local differential privacy is difficult to control the usefulness and privacy protection for multidimensional data. Therefore, to apply local differential privacy to machine learning, it is necessary to suppress noise by combining dimensionality reduction and data discretization. In this study, we applied local differential privacy to machine learning by processing the data according to the distribution of the data to enable learning with higher accuracy. In addition, by adjusting the intensity of noise according to the attributes of the machine learning dataset, learning can be performed even under strict privacy conditions. | |
| キーワード | （和） | プライバシー / データ有用性 / / / / / / |
| （英） | Privacy, / Data utility / / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 424, ISEC2023-93, pp. 118-126, 2024年3月. | |
| 資料番号 | ISEC2023-93 | |
| 発行日 | 2024-03-06 (IT, ISEC, WBS, RCC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IT2023-94 ISEC2023-93 WBS2023-82 RCC2023-76 |
|
| 研究会情報 | |
| 研究会 | RCC ISEC IT WBS |
| 開催期間 | 2024-03-13 - 2024-03-14 |
| 開催地（和） | 大阪大学吹田キャンパス |
| 開催地（英） | Osaka Univ. (Suita Campus) |
| テーマ（和） | RCC・ISEC・IT・WBS合同研究会 |
| テーマ（英） | RCC, ISEC, IT, WBS |
| 講演論文情報の詳細 | |
| 申込み研究会 | ISEC |
| 会議コード | 2024-03-RCC-ISEC-IT-WBS |
| 本文の言語 | 日本語 |
| タイトル（和） | 高性能なプライバシーを保護した機械学習のためのデータ加工方法の提案 |
| サブタイトル（和） | |
| タイトル（英） | Data processing methods for high-performance Privacy-Preserving Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | プライバシー / Privacy, |
| キーワード(2)（和/英） | データ有用性 / Data utility |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山月 達太 / Tatsuhiro Yamatsuki / ヤマツキ タツヒロ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 宮地 充子 / Atsuko Miyaji / ミヤジ アツコ |
| 第2著者 所属（和/英） | 大阪大学/北陸先端科学技術大学院大学 (略称： 阪大/北陸先端大) Osaka University/Japan Advanced Institute of Science and Technology (略称： Osaka Univ./JAIST) |
| 講演者 | 第1著者 |
| 発表日時 | 0000-00-00 00:00:00 |
| 発表時間 | 分 |
| 申込先研究会 | ISEC |
| 資料番号 | IT2023-94, ISEC2023-93, WBS2023-82, RCC2023-76 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.423(IT), no.424(ISEC), no.425(WBS), no.426(RCC) |
| ページ範囲 | pp.118-126 |
| ページ数 | 9 |
| 発行日 | 2024-03-06 (IT, ISEC, WBS, RCC) |
[研究会発表申込システムのトップページに戻る]