お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2021-11-17 09:00
差分プライバシを適用したクロスサイロ連合学習におけるインセンティブメカニズムの提案
宮越奨太橘 拓至福井大
抄録 (和) 複数の企業・組織が参加するクロスサイロ連合学習では,多数の企業・組織がローカルモデルの学習に参加することで,訓練データが増加してグローバルモデルの予測精度が向上する. 各企業・組織は訓練データを内部でのみ使用し,機械学習パラメータを公開・共有することで,所有データに関するプライバシを保護している. しかしながら,機械学習パラメータから訓練データを推定される可能性があり,差分プライバシを用いることで訓練データの推定を回避することができる. 一方で,差分プライバシの利用はグローバルモデルの予測精度を低下させてしまい,他企業・組織の差分プライバシによって獲得報酬が減少することで参加企業・組織が減少する可能性がある. そこで本稿では,差分プライバシを用いたクロスサイロ連合学習において社会余剰最大化を達成するインセンティブメカニズムを提案する.提案するメカニズムでは,組織間で金銭移転を行うことでクロスサイロ連合学習への積極的な参加を促す. 提案法の性能はシミュレーションで評価し,各組織が協力してプライバシを保護しながら社会余剰を最大化することを示す. 
(英) In cross-silo federated learning, where multiple companies/organizations participate, the prediction accuracy of the global model is improved by increasing the training data when a larger number of companies/organizations participate in the learning of the local model. Each company/organization protects the privacy of its own data by using the training data only internally and disclosing and sharing the machine learning parameters. However, there is a possibility that the training data may be reconstructed from the machine learning parameters. This reconstruction can be avoided by using differential privacy. On the other hand, the prediction accuracy of the global model is reduced by using the differential privacy. The differential privacy of other companies/organizations may reduce the number of participating companies/organizations by decreasing the obtained revenue. Therefore, in this paper, we propose an incentive mechanism to maximize social surplus in cross-silo federated learning with differential privacy. The mechanism encourages active participation in cross-silo federated learning by transferring money between companies/organizations. We evaluate the performance of the proposed method by simulation and show that each company/organization cooperates to maximize the social surplus while protecting privacy.
キーワード (和) 連合学習 / 差分プライバシ / インセンティブメカニズム / 分散アルゴリズム / / / /  
(英) Federated learning / Differential privacy / Incentive mechanism / Distributed algorithm / / / /  
文献情報 信学技報
資料番号  
発行日  
ISSN  
PDFダウンロード

研究会情報
研究会 RISING  
開催期間 2021-11-15 - 2021-11-17 
開催地(和) 東京都内+EventIn 
開催地(英)  
テーマ(和) 超知性通信ネットワークに関する研究,一般 
テーマ(英)  
講演論文情報の詳細
申込み研究会 RISING 
会議コード 2021-11-RISING 
本文の言語 日本語 
タイトル(和) 差分プライバシを適用したクロスサイロ連合学習におけるインセンティブメカニズムの提案 
サブタイトル(和)  
タイトル(英) Proposal of Incentive Mechanism for Cross-Silo Federated Learning with Differential Privacy 
サブタイトル(英)  
キーワード(1)(和/英) 連合学習 / Federated learning  
キーワード(2)(和/英) 差分プライバシ / Differential privacy  
キーワード(3)(和/英) インセンティブメカニズム / Incentive mechanism  
キーワード(4)(和/英) 分散アルゴリズム / Distributed algorithm  
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) 宮越 奨太 / Shota Miyagoshi / ミヤゴシ ショウタ
第1著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. Fukui)
第2著者 氏名(和/英/ヨミ) 橘 拓至 / Takuji Tachibana / タチバナ タクジ
第2著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. Fukui)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-11-17 09:00:00 
発表時間 50分 
申込先研究会 RISING 
資料番号  
巻番号(vol) vol. 
号番号(no)  
ページ範囲  
ページ数  
発行日  


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会