@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00208458,
 author = {菊池, 亮 and 高橋, 元 and 高橋, 克巳 and 五十嵐, 大 and Ryo, Kikuchi and Gen, Takahashi and Katsumi, Takahashi and Dai, Ikarashi},
 book = {コンピュータセキュリティシンポジウム2020論文集},
 month = {Oct},
 note = {複数の個人データを組み合わせて分析するデータ共有分析は，データの数や種類を増やすことができるので，より信頼性の高い結果や未知の知見を得ることが期待できる．例えば，医療データと運動データを組み合わせることによる健康寿命の延伸などがあり，さらにはパンデミック対応で感染データと位置データの共有の是非が議論されている．一方で個人データの共有を行うと一人の個人に対して多数の属性情報が結合されたデータが作られるため，個人データの閲覧や目的外利用が過度なレベルで起きる可能性がある．もし，分析の開始から終了まで個人がわからないデータ共有分析ができれば，データを保護した活用が可能となり，データ活用が促進すると考えられる．本論文では，個々の技術において議論されてきた事柄を整理・再設計し，個人がわからないデータ共有分析が，秘密計算を用いて実現できることを示し，その要件を整理する．この個人がわからないデータ共有分析を個人ゼロ識別秘匿データ共有分析と呼ぶことする．これはデータ共有分析を保護と活用の両面から支えるという意味において個人情報保護に貢献する．, Data sharing analysis, which combines and analyzes multiple personal data, can increase the number and variety of data, and therefore, more reliable results and unknown findings can be obtained. The advantages and disadvantages of sharing infection data and location data are still being discussed in the pandemic response. However, sharing of personal data causes that a large number of attribute information combined for a single person, which can lead to excessive levels of personal data exposure and unintended use. If a data-sharing analysis that prevents individuals from being identified from the beginning to the end of the analysis is possible, it would solve the above problem, enable protected use of data, and promote data utilization. In this paper, we organize discussion on specific technologies, show that the data sharing analysis, where persons are not identified, can be realized using secure computation. We call this as zero-identification secure data-sharing analysis.},
 pages = {215--221},
 publisher = {情報処理学会},
 title = {個人ゼロ識別秘匿データ共有分析},
 year = {2020}
}