{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00219581","sets":["6164:6165:6640:11008"]},"path":["11008"],"owner":"44499","recid":"219581","title":["リッチクライアント-エッジサーバ間におけるプライバシ保護に優れた分散機械学習の検討"],"pubdate":{"attribute_name":"公開日","attribute_value":"2022-07-06"},"_buckets":{"deposit":"b42acfb0-f02d-473a-9658-a6aaeed9a476"},"_deposit":{"id":"219581","pid":{"type":"depid","value":"219581","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"リッチクライアント-エッジサーバ間におけるプライバシ保護に優れた分散機械学習の検討","author_link":["572832","572831","572834","572833"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"リッチクライアント-エッジサーバ間におけるプライバシ保護に優れた分散機械学習の検討"}]},"item_type_id":"18","publish_date":"2022-07-06","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"お茶の水女子大学"},{"subitem_text_value":"東京大学"},{"subitem_text_value":"工学院大学"},{"subitem_text_value":"お茶の水女子大学"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/219581/files/IPSJ-DICOMO2022007.pdf","label":"IPSJ-DICOMO2022007.pdf"},"date":[{"dateType":"Available","dateValue":"2024-07-06"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2022007.pdf","filesize":[{"value":"1.6 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"1abd491d-19d9-431e-b061-f9b650ea6661","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2022 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"高野, 紗輝"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"中尾, 彰宏"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"山口, 実靖"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"小口, 正人"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"近年，federated learning のようにデバイス上にある個人情報を保護しながらそれらのデータをクラウドやエッジサーバ上での機械学習に用いることが盛んに研究されている．しかし，個人情報の一部をエッジデバイスの外へと受け渡す点においてプライバシ保護が十分であるとはいえず，機密性が高くエッジデバイスの外へ情報を一切持ち出したくない個人データを学習に用いることができない．本研究ではエッジサーバと連携しつつエッジデバイス上でも機械学習を動かすプライバシ保護に優れた分散機械学習モデルの検討を行う．本稿では，エッジサーバ上で一般的なデータを用いて学習した結果とエッジデバイス上で個人データを用いて学習した結果を確信度の比較により融合する学習モデルを提案する．Jetson Nano を用いた顔画像認識を行った結果，提案モデルを用いることで画像データの送受信を行うことなく機密性の高いデータも含めた学習が可能となることを確認した．このシステムを用いることで，従来のシステムでは用いることができなかった大量の個人情報が使用できるようになり，一人一人のユーザに適した結果を提示できるようになるという利点がある．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"50","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散，協調とモバイルシンポジウム2022論文集"}],"bibliographicPageStart":"42","bibliographicIssueDates":{"bibliographicIssueDate":"2022-07-06","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2022"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":219581,"updated":"2025-01-19T14:50:38.660976+00:00","links":{},"created":"2025-01-19T01:19:39.168370+00:00"}