Ring-LWEベース準同型暗号を用いたプライバシー保護決定木分類

• Item type: Symposium(1)
• 公開日: 2019-10-14
• タイトル: Ring-LWEベース準同型暗号を用いたプライバシー保護決定木分類
• タイトル / 言語: en
• タイトル: Privacy-Preserving Decision Tree Classification Using Ring-LWE-Based Homomorphic Encryption
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: プライバシー保護データマイニング，機械学習，準同型暗号，決定木
• 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: 神戸大学大学院工学研究科電気電子工学専攻
• 著者所属: 国立研究開発法人情報通信研究機構
• 著者所属: 国立研究開発法人情報通信研究機構
• 著者所属: 神戸大学大学院工学研究科電気電子工学専攻
• 著者所属(英): en
• 著者所属(英): Department of Electrical and Electronic Engineering, Graduate School of Engineering, Kobe University
• 著者所属(英): en
• 著者所属(英): National Institute of Information and Communications Technology
• 著者所属(英): en
• 著者所属(英): National Institute of Information and Communications Technology
• 著者所属(英): en
• 著者所属(英): Department of Electrical and Electronic Engineering, Graduate School of Engineering, Kobe University
• 著者名: 福井, 智; 王, 立華; 林, 卓也; 小澤, 誠一
• 著者名(英): Satoshi, Fukui; Lihua, Wang; Takuya, Hayashi; Seiichi, Ozawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，多くの組織や個人が外部のサーバに計算や保管を委託するクラウドコンピューティングを利用しており，機械学習サービスのクラウド上での運用が進んでいる．本論文では，事前に訓練済みの機械学習モデルを保持するモデル所持者と分析を行いたい入力データを持つ依頼人，計算資源を提供する外部サーバの3者が参加する計算モデルを想定する．依頼人から送信されたデータを外部サーバが委託計算するこの場合において，依頼人の機密情報や個人情報，モデル提供者の知的財産である機械学習モデルのデータを保護することが求められる．この状況に対し我々は，決定木による分類をRing-LWEベース準同型暗号で暗号化したデータに対して適用するプロトコルを提案する．Ring-LWEベース準同型暗号を用いた効率的なセキュア大小比較と準同型内積演算を使用することで，依頼人のデータとモデル所持者の決定木モデルのデータの2入力を双方暗号化した状態で安全に計算を外部委託可能とした．提案プロトコルがオンラインで公開されているデータに対して実時間で動作可能であることを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: As the number of cloud computing users has been soaring, it is solicited to establish a secure computing platform where people can employ machine learning algorithms while preserving privacy of data. In this paper, we propose a privacy-preserving decision tree classification protocol using ring-LWE-based homomorphic encryption. It applies to cloud computing system with three-party: a client who has sensitive data, a model holder who has a pre-trained decision tree, and an outsourced server that supplies computing resource. To protect data privacy, input data and tree construction are encrypted by a client and a model holder, respectively, before being sent to an outsourced server. We demonstrate that the proposed privacy-preserving decision tree classification protocol works within a practical time for several public data sets.
• 書誌レコードID / 識別子タイプ: NCID
• 書誌レコードID / 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. 321-327, 発行日 2019-10-14
• 出版者 / 言語: ja
• 出版者: 情報処理学会