@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00214525,
 author = {濱田, 浩気 and Koki, Hamada},
 book = {コンピュータセキュリティシンポジウム2021論文集},
 month = {Oct},
 note = {プライバシーを保護しながら決定木を学習する研究は古く，2000 年には Lindell と Pinkas による手法が提案されているが，これまでの方式は学習した木の構造を隠せていなかった．近年木の構造をも秘匿したまま決定木の学習を秘密計算で効率よく行う手法が提案されたが，平文の学習を理想的に秘密計算で実現できた場合と比較すると通信量に開きがあった．本稿では，より小さい通信量で決定木の学習を行うアルゴリズムを提案する．提案手法は平文でのアルゴリズムで単位演算に体の要素を 1 つ送るのに等しい通信量がかかる想定の理想的な通信量と漸近的に等しい通信量を達成した．, There are some studies on learning decision trees while preserving privacy, but previous methods could not hide the structure of the learned trees. In this study, we propose an improved method for efficiently learning decision trees by for secure multi-party computation that can keep the tree structure secret.},
 pages = {930--937},
 publisher = {情報処理学会},
 title = {秘密計算による決定木学習アルゴリズムの改良},
 year = {2021}
}