@techreport{oai:ipsj.ixsq.nii.ac.jp:00219555,
 author = {金子, 格 and 湯田, 恵美 and 岡田, 仁志 and Itaru, Kaneko and Emi, Yuda and Hitoshi, Okada},
 issue = {15},
 month = {Aug},
 note = {概発表でプライバシーエージェントの Docker ベクトル化の基本構想を述べた．ウェアラブルデバイスの大量の高精度生体情報など，大量のセンサー情報の利用が拡大した結果，プライバシーリスクを事前に判断することが困難になっている．パーソナルデータの取得者はデータ主体に利用範囲を透明性と明確性をもって説明することがますます困難になっている．AI 機械学習の発展に伴い，膨大な高精度情報からより多くの分析結果が導き出され，これまで個人を特定できないと思われていたデータから個人を特定できる可能性も完全に排除することが困難になっている．このようにパーソナルデータ提供によるリスクの不確実性が高まる一方で，パーソナルデータ利用の公益的な価値を考えればその利用は阻害されるべきではない．リスクとベネフィットのバランスを取る必要がある．それを可能にする方法の一つとして，プライバシーエージェントの Docker ベクトル化を提案した．プライバシーエージェントの Docker ベクトル化は，クラウドシステムとの互換性が高く，遅延許諾が可能となる．前回発表でその基本構想を説明したので本報告ではその特徴を考察し，利点と問題を整理する．, The basic concept of Docker vectorization for privacy agents was presented in a previous report. Expanding the use of substantial amounts of sensor information, such as large amounts of high-precision biometric information on wearable devices, makes it difficult to determine privacy risks in advance. It is becoming increasingly difficult for personal data acquirers to transparently and clearly explain the scope of use to the data subject. With the development of AI machine learning, more analysis results can be derived from vast amounts of high-precision information, and it is difficult to completely exclude the possibility of identifying an individual from data that was previously thought to be unidentifiable. While the risk uncertainty due to the provision of personal data increases in this way, the use of personal data should not be hindered given the public interest value of the use. You need to balance the risks and benefits. As one of the ways to make that possible, we are proposing Docker vectorization of privacy agents. Privacy agent Docker vectorization is highly compatible with cloud systems and can be operate as web service to provide personal data and their deliverable. Since I explained the basic concept in the previous presentation, this report will consider its characteristics and sort out the advantages and problems.},
 title = {クラウドネイティブ型プライバシーエージェントのDockerベクトル化-サブスクモデルの実現性，メリット，課題},
 year = {2022}
}