@article{oai:ipsj.ixsq.nii.ac.jp:00227713,
 author = {千田, 浩司 and 荒井, ひろみ and 井口, 誠 and 小栗, 秀暢 and 菊池, 浩明 and 黒政, 敦史 and 中川, 裕志 and 中村, 優一 and 西山, 賢志郎 and 野島, 良 and 長谷川, 聡 and 波多野, 卓磨 and 濱田, 浩気 and 古川, 諒 and 山田, 明 and 渡辺, 知恵美 and Koji, Chida and Hiromi, Arai and Makoto, Iguchi and Hidenobu, Oguri and Hiroaki, Kikuchi and Atsushi, Kuromasa and Hiroshi, Nakagawa and Yuichi, Nakamura and Kenshiro, Nishiyama and Ryo, Nojima and Satoshi, Hasegawa and Takuma, Hatano and Koki, Hamada and Ryo, Furukawa and Akira, Yamada and Chiemi, Watanabe},
 issue = {9},
 journal = {情報処理学会論文誌},
 month = {Sep},
 note = {本稿では，2020年8月27日から同年10月27日にかけて開催された，匿名化とその攻撃の技術を競うコンテストPWSCUP2020（通称：AMIC）の解説および結果の考察を行う．AMICでは，あるデータが誰のデータを元に作成されたものか識別する攻撃として知られる「メンバシップ推定」を匿名性指標とした．これまでのPWSCUPでは，機械学習分野等で近年活発に研究が進む合成データの匿名性評価は困難だったが，メンバシップ推定の導入により，合成データ生成を含む様々な匿名化技法の評価が可能となる．合成データ生成を採用した上位チームの匿名化データは，AMICで定めた有用性の基準を満たしつつ敵対チームのメンバシップ推定攻撃に対して耐性があり，匿名性および有用性の高い合成データの作成が可能であることを示唆する結果が得られた．, We discuss the design and result of PWSCUP2020 (a.k.a. AMIC) competition, which was held from August 27th to October 27th, 2020, to compete in technologies for de-identification and attacks. In particular, AMIC is focused on membership inference, which has recently attracted attention in research fields such as machine learning for a privacy measure of synthetic data. Membership inference is an attack to identify whose data is sampled from de-identified data. Unlike the conventional PWSCUP rules, AMIC can evaluate various anonymization techniques including data synthesization due to the membership inference. We obtained an experimental result that synthetic data with high anonymity and utility can be made possible through the match-up in AMIC.},
 pages = {1317--1329},
 title = {AMIC：メンバシップ推定を防ぐ匿名化技術コンテスト},
 volume = {64},
 year = {2023}
}