| Item type |
Symposium(1) |
| 公開日 |
2021-10-19 |
| タイトル |
|
|
タイトル |
プライバシを考慮した異業種間データ共同分析手法の検討 〜共通データ構造とガベージクラスを用いた２者間の分析〜 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
A Collaborative Data Analysis Method Considering Privacy in Defferent Industrial Fields -- A Bilateral Analysis Using Common Data Structure and Garbage Class -- |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
プライバシ，垂直連合学習，PSI，ガベージクラス |
| 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 |
|
|
|
東京工業大学 環境社会理工学院イノベーション科学科 |
| 著者所属 |
|
|
|
株式会社日本総合研究所セキュリティ統括部 |
| 著者所属(英) |
|
|
|
en |
|
|
School of Environment and Society, Technology and Innovation Management Department of Innovation Science, Tokyo Institute of Technology |
| 著者所属(英) |
|
|
|
en |
|
|
Security Control Department, The Japan Research Institute, Limited |
| 著者名 |
染田, 拓
長田, 繁幸
|
| 著者名(英) |
Hiroshi, Someda
Shigeyuki, Osada
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
社会・経済活動のデジタル化が進むにつれて，保有するデータの構造が異なる異業種間のデータを共有し分析することによる新たな価値の創造が期待されている．一方で，データ活用の深化に伴うプライバシ侵害の不安も増加している．プライバシの保護とデータ利活用を両立するために，様々なプライバシ保護技術が提唱されている．本稿では，プライバシ保護技術のうち，複数の組織間でデータを共有することなく共同で深層学習を行う手法である連合学習を対象に，異なるデータ構造を共通のデータ構造に変換した上で学習を行う垂直連合学習を提案する．また，精度向上のためのガベージクラスの導入や，特定の活性化関数を用いた場合に現れる未学習のデータが特定のクラスに偏って予測される性質の考慮を加えることで，高い識別性能を持つ識別器を生成する手法を示す．さらに，提案法の有効性評価にあたって，保有するデータ構造が異なる 2 つの業種の組織が参加するデータ共同分析環境を対象に，2 者を横断する識別器を作成し，その精度と感度から有効性を確認する． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Digitalization in social and economic activities brings expectations to create new values by sharing and analyzing data between different industries that have different data structures. On the other hand, there are increasing concerns about privacy violations that accompany the deepening of data utilization. To achieve both privacy protection and data utilization, various privacy enhancing technologies have been proposed. In this paper, we propose a federated transfer learning by transforming different data structures into a common data structure. This paper also shows a method for generating classifications by setting garbage classes and unseen classes to improve their precision and recall. In addition, the paper illustrates several examples to evaluate the effectiveness of the proposed method by creating classifications that cross two organizations in different industries with different data structures and confirm the effectiveness of the method from its precision and recall. |
| 書誌情報 |
コンピュータセキュリティシンポジウム2021論文集
p. 253-259,
発行日 2021-10-19
|
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJCSS2021035.pdf (1.4 MB)
