講演抄録/キーワード |
講演名 |
2024-07-25 14:00
CNNモデルを対象とした転移学習モデルにおける訓練データセットのプライバシー保護 ○勝家拓巳・岡野浩三・小形真平(信州大)・中島 震(NII) SS2024-1 KBSE2024-7 |
抄録 |
(和) |
機械学習の手法の1つである転移学習は,訓練済みモデルの知識を利用することで,少量の訓練データでも高精度な機械学習モデルが作成できる技術として注目を集めている.しかし,機械学習モデルは,敵対者が攻撃することで訓練データを抽出できてしまう問題がある.そこで,プライバシー維持機械学習の方法としてDP-SGDが開発された.本報告では,DP-SGDとSGDのどちらかまたは両方を用いた4ケースの転移学習モデルに対し,メンバーシップ推論攻撃を行い,訓練データが保護されているかどうか確認する.その結果から,ソースモデルの訓練データのプライバシーを保護し転移学習した場合,転移学習はソースモデルの訓練データのプライバシー保護を弱めないが,ターゲットモデルの訓練データのプライバシーは保護されないと分かった.そのため,転移学習時にはDP-SGDを用いる必要があると分かった.また,効率よく訓練データのプライバシーが保護された転移学習モデルを作成するには,転移学習時のみにDP-SGDを用いればよいと分かった. |
(英) |
Transfer learning, one of the machine learning methods, has attracted attention as a technique that can create highly accurate machine learning models with a small amount of training data by using the knowledge of trained models. However, machine learning models have a problem that an attacker can extract the training data. Therefore, DP-SGD was developed as a privacy-preserving machine learning method. In this report, we perform membership inference attacks on four cases of transfer learning models using either or both DP-SGD and SGD to check whether the training data is protected. From the results, we found that when the privacy of the training data of the source model is protected and the transfer learning is performed, the transfer learning does not weaken the privacy protection of the training data of the source model, but the privacy of the training data of the target model is not protected. Therefore, it is necessary to use DP-SGD for transfer learning. In order to efficiently create a transfer learning model with privacy-preserving training data, we found that DP-SGD should be used only for transfer learning. |
キーワード |
(和) |
機械学習 / 転移学習 / 差分プライバシー / DP-SGD / メンバーシップ推論攻撃 / / / |
(英) |
Machine learning / Transfer learning / Differential privacy / DP-SGD / Membership Inference Attack / / / |
文献情報 |
信学技報, vol. 124, no. 133, SS2024-1, pp. 1-6, 2024年7月. |
資料番号 |
SS2024-1 |
発行日 |
2024-07-18 (SS, KBSE) |
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 |
SS2024-1 KBSE2024-7 |
|