最小二乗密度比推定における差分プライバシー

• Item type: Symposium(1)
• 公開日: 2015-10-14
• タイトル: 最小二乗密度比推定における差分プライバシー
• タイトル / 言語: en
• タイトル: Differentially Private Least-Squares Importance Fitting
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: PWS，差分プライバシー，PPDP，密度比推定，uLSIF
• 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: 東京大学大学院情報理工学系研究科
• 著者所属: 東京大学情報基盤センター
• 著者所属: 東京大学情報基盤センター
• 著者所属(英): en
• 著者所属(英): Dep. of Mathematical Informatics, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Information Technology Center, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Information Technology Center, The University of Tokyo
• 著者名: 高林, 裕太; 荒井, ひろみ; 中川, 裕志
• 著者名(英): Yuta, Takabayashi; Hiromi, Arai; Hiroshi, Nakagawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: プライバシー保護データマイニングにおいて，非公開データベースに対する学習を既に公開されているデータベースで近似するというのは，現実的なシナリオである．このシナリオに対して差分プライバシーと呼ばれる保護概念からアプローチした Importance weighting mechanism は，確率的分類法と呼ばれる密度比推定手法に差分プライバシーを適用した手法である．一方，密度比推定自体の手法としては，より計算効率や精度の良い手法として，最小二乗密度比適合法；uLSIF が既に知られている．本稿では，この uLSIF に対して差分プライバシーを適用した手法を提案する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In the privacy-preserving data mining, it is a possible scenario to approximate learning on a private database with a published database. The importance weighting mechanism, which approach the scenario with the privacy notion called Differential Privacy, is a differentially private extension of the importance estimation method called the Probabilistic Classification method. Meanwhile, another importance estimation method, the Least-squares Importance Fitting method called uLSIF, is already known as a more computationally efficient and accurate method. This paper proposes a differentially private uLSIF.
• 書誌情報: コンピュータセキュリティシンポジウム2015論文集; 巻 2015, 号 3, p. 371-378, 発行日 2015-10-14
• 出版者 / 言語: ja
• 出版者: 情報処理学会