ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング


インデックスリンク

インデックスツリー

  • RootNode

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. シンポジウム
  2. シンポジウムシリーズ
  3. コンピュータセキュリティシンポジウム
  4. 2019

実用的な秘密計算ディープラーニングの実現

https://ipsj.ixsq.nii.ac.jp/records/201338
https://ipsj.ixsq.nii.ac.jp/records/201338
9c932be9-75ec-4d17-9ce6-3ee90a9abb2e
名前 / ファイル ライセンス アクション
IPSJCSS2019045.pdf IPSJCSS2019045.pdf (694.9 kB)
Copyright (c) 2019 by the Information Processing Society of Japan
オープンアクセス
Item type Symposium(1)
公開日 2019-10-14
タイトル
タイトル 実用的な秘密計算ディープラーニングの実現
タイトル
言語 en
タイトル Realization of Practical Secure Deep Learning
言語
言語 jpn
キーワード
主題Scheme Other
主題 秘密計算,機械学習,ディープラーニング,ニューラルネットワーク
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_5794
資源タイプ conference paper
著者所属
NTT セキュアプラットフォーム研究所
著者所属
NTT セキュアプラットフォーム研究所
著者所属
NTT セキュアプラットフォーム研究所
著者所属(英)
en
NTT Secure Platform Laboratories
著者所属(英)
en
NTT Secure Platform Laboratories
著者所属(英)
en
NTT Secure Platform Laboratories
著者名 三品, 気吹

× 三品, 気吹

三品, 気吹

Search repository
濱田, 浩気

× 濱田, 浩気

濱田, 浩気

Search repository
五十嵐, 大

× 五十嵐, 大

五十嵐, 大

Search repository
著者名(英) Ibuki, Mishina

× Ibuki, Mishina

en Ibuki, Mishina

Search repository
Koki, Hamada

× Koki, Hamada

en Koki, Hamada

Search repository
Dai, Ikarashi

× Dai, Ikarashi

en Dai, Ikarashi

Search repository
論文抄録
内容記述タイプ Other
内容記述 本稿では,データを暗号化したまま処理しながらも実用的な性能を持つ,秘密計算ディープラーニングの実現を目指す.ディープラーニングは最も有望な AI 手法で,難しい分析や予測が可能になると期待される一方,AI 分析で個人データ等を用いることに対して,使う側・使われる側ともに不安やリスクも感じている.秘密計算ディープラーニングは,こうした不安やリスクを秘密計算によって低減することで,これまでより活発な AI 利活用の足掛かりになると考えられる.しかし従来の秘密計算ディープラーニングでは (1) 処理速度 (2) モデル・分析の自由さ (3) 大規模データでの実用性といった点で課題を抱えている.本稿ではそれらの課題に取り組み (1) 784属性 × 6 万件を 5 分で処理,予測精度 95.64% を達成 (2) 既存より深いネットワーク・回帰分析への対応 (3) 100属性 × 1000 万件を 2 時間で処理,という結果を示した.
論文抄録(英)
内容記述タイプ Other
内容記述 In this paper, we aim at the realization of practical secure deep learning that can process data with encryption. Deep learning is the most promising AI method, and it is expected to enable difficult analysis and prediction. However, both data users and data owners feel anxiety and risk about using personal data in AI analysis. Secure deep learning provides a foothold for more active use of AI by reducing such anxiety and risk through secure computation. However, there are 3 issues with secure deep learning in previous research, (1) Processing speed (2) Ability to select model or/and analysis methods (3) Practicality when learning with large-scale data. In this paper, we addressed these issues and presented the following results. (1) Processing 784x60,000 in 5 minutes, achieving a prediction accuracy of 95.64 % (2) Realization of deeper networks and regression analysis (3) Processing 100x10 million in 2 hours.
書誌レコードID
識別子タイプ NCID
関連識別子 ISSN 1882-0840
書誌情報 コンピュータセキュリティシンポジウム2019論文集

巻 2019, p. 313-320, 発行日 2019-10-14
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-19 21:05:03.025919
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

三品, 気吹, 濱田, 浩気, 五十嵐, 大, 2019: 情報処理学会, 313–320 p.

Loading...

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3