| 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 | 2024-01-16 15:25 ［招待講演］AIにおけるプライバシー保護を強化した連合学習 ○王 立華（NICT）  EMM2023-83 |
|
| 抄録 | （和） | 連合学習は，複数の組織がデータを共有せずに協力し，全体のデータに対して機械学習を行うための重要な手法です．この講演では，ますます重要性を増す連合学習において，情報が漏洩する可能性がある課題を特定し，それに対処するためのプライバシー保護フレームワークを紹介します．提案されるフレームワークは，深層学習や勾配ブ―スティング決定木など，既存の多くの連合学習システムでプライバシーを守るために適用されます．関連研究や実用化の最新の進展，そして将来の展望についても取り上げます． |
| （英） | Federated learning is a crucial methodology in artificial intelligence where multiple organizations collaborate to perform machine learning on overall data without sharing the data itself. In this talk, we identify challenges in federated learning that are becoming increasingly important, specifically the potential for information leakage. We introduce privacy protection frameworks to address this issue. The proposed frameworks are applicable to existing federated learning systems, including deep learning and gradient boosting decision trees, to safeguard privacy. We also discuss relevant research, recent developments in practical applications, and future prospects in this field. | |
| キーワード | （和） | 連合学習 / プライバシー保護 / 準同型暗号 / 深層学習 / 決定木 / / / |
| （英） | Federated learning / privacy preservation / Homomorphic Encryption / deep learning / decision tree / / / | |
| 文献情報 | 信学技報, vol. 123, no. 332, EMM2023-83, pp. 19-19, 2024年1月. | |
| 資料番号 | EMM2023-83 | |
| 発行日 | 2024-01-09 (EMM) | |
| 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 | EMM2023-83 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2024-01-16 - 2024-01-17 |
| 開催地（和） | 東北大 |
| 開催地（英） | Tohoku Univ. |
| テーマ（和） | 臨場感生成，ユニバーサルメディア，ディジタルエンタテインメント，一般 |
| テーマ（英） | Sense of Presence, Universal Media, Digital Entertainment, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2024-01-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | AIにおけるプライバシー保護を強化した連合学習 |
| サブタイトル（和） | |
| タイトル（英） | Federated Learning with Enhanced Privacy Protection in AI |
| 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） | プライバシー保護 / privacy preservation |
| キーワード(3)（和/英） | 準同型暗号 / Homomorphic Encryption |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | 決定木 / decision tree |
| 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） | 王 立華 / Lihua Wang / |
| 第1著者 所属（和/英） | 情報通信研究機構サイバーセキュリティ研究所セキュリティ基盤研究室 (略称： NICT) NICT Cybersecurity Research Institute (略称： NICT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-01-16 15:25:00 |
| 発表時間 | 50分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2023-83 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.332 |
| ページ範囲 | p.19 |
| ページ数 | 1 |
| 発行日 | 2024-01-09 (EMM) |
[研究会発表申込システムのトップページに戻る]