Binarized Neural Networksを用いた秘匿予測プロトコル

• Item type: Symposium(1)
• 公開日: 2017-10-16
• タイトル: Binarized Neural Networksを用いた秘匿予測プロトコル
• タイトル / 言語: en
• タイトル: Private Machine Learning Classification Based on Binarized Neural Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 秘密分散法，マルチパーティ計算，機械学習，ニューラルネットワーク，Binarized Neural Networks
• 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: パナソニック株式会社ビジネスイノベーション本部
• 著者所属: パナソニック株式会社製品セキュリティセンター
• 著者所属: パナソニック株式会社ビジネスイノベーション本部
• 著者所属: パナソニック株式会社ビジネスイノベーション本部
• 著者所属: 国立研究開発法人産業技術総合研究所情報技術研究部門
• 著者所属: 国立研究開発法人産業技術総合研究所情報技術研究部門
• 著者所属: 国立研究開発法人産業技術総合研究所情報技術研究部門
• 著者所属: 国立研究開発法人産業技術総合研究所情報技術研究部門
• 著者所属: 国立研究開発法人産業技術総合研究所情報技術研究部門
• 著者所属(英): en
• 著者所属(英): Business Innovation Division, Panasonic Corporation
• 著者所属(英): en
• 著者所属(英): Product Security Center, Panasonic Corporation
• 著者所属(英): en
• 著者所属(英): Business Innovation Division, Panasonic Corporation
• 著者所属(英): en
• 著者所属(英): Business Innovation Division, Panasonic Corporation
• 著者所属(英): en
• 著者所属(英): National Institute of Advance Industrial Science and Technology, Information Technology Research Institute
• 著者所属(英): en
• 著者所属(英): National Institute of Advance Industrial Science and Technology, Information Technology Research Institute
• 著者所属(英): en
• 著者所属(英): National Institute of Advance Industrial Science and Technology, Information Technology Research Institute
• 著者所属(英): en
• 著者所属(英): National Institute of Advance Industrial Science and Technology, Information Technology Research Institute
• 著者所属(英): en
• 著者所属(英): National Institute of Advance Industrial Science and Technology, Information Technology Research Institute
• 著者名: 西田, 直央; 大庭, 達海; 加藤, 遼; 海上, 勇二; 山田, 翔太; アッタラパドゥン, ナッタポン; 照屋, 唯紀; 松田, 隆宏; 花岡, 悟一郎
• 著者名(英): Naohisa, Nishida; Tatsumi, Oba; Ryo, Kato; Yuji, Unagami; Shota, Yamada; Nuttapong, Attrapadung; Tadanori, Teruya; Takahiro, Matsuda; Goichiro, Hanaoka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ユーザのプライバシ情報を秘匿したまま，ニューラルネットワークのデータ処理を行う技術（Secure Neural Network, SNN）が研究されている．SNN では暗号化したまま大量の数値計算を行うため，計算量が膨大となることが知られている．そこで本研究では，SNN の予測処理に関する計算量を削減するため新たな手法を提案する．提案手法では，ニューラルネットワークにBinarized Neural Networks を用いることで，SNN の秘匿対象を短いビット長で表現し，計算量を削減することが可能である．本提案では，高い予測精度を達成可能であり，安全で効率的なSNN の実現が見込まれる．
• 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2017論文集; 巻 2017, 号 2, 発行日 2017-10-16
• 出版者 / 言語: ja
• 出版者: 情報処理学会