@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00201513,
 author = {濱田, 浩気 and 五十嵐, 大 and 三品, 気吹 and 菊池, 亮 and Koki, Hamada and Dai, Ikarashi and Ibuki, Mishina and Ryo, Kikuchi},
 book = {コンピュータセキュリティシンポジウム2019論文集},
 month = {Oct},
 note = {本研究では，秘密計算で小さい誤差で関数の近似とロジスティック回帰の学習を行う手法を提案する．提案する秘密一括近似は秘密計算では計算が難しい指数関数などの計算を表参照により効率よく実現する方法であり，従来は計算コストが爆発的に増加してしまっていた許容される誤差が小さい場合にも効率よく計算できる．また，秘密一括近似を使ったロジスティック回帰の学習アルゴリズムは従来手法より高い収束速度の手法に基づいており，実際にいくつか入力例で高速かつ高精度にパラメータの学習ができていることが確認できた．, In this paper, we propose two algortihms for secure multi-party computation. The first algorithm efficiently evaluate a single public function for a batch of data with high accuracy. We also propose anovel secure training algorithm for logistic regression. The high convergence speed of the proposed algorithm enable us to compute accurate trained parameters in a few minutes by the help of the first algorithm and other optimization techniques. We implemented our method and confirmed the efficiency and accuracy of our algorithms.},
 pages = {1565--1572},
 publisher = {情報処理学会},
 title = {秘密計算上の一括関数近似とそれを使った正確度の高いロジスティック回帰},
 volume = {2019},
 year = {2019}
}