WEKO3
アイテム
勾配クリッピングを用いたプライバシ保護ヒトゲノム合成
https://ipsj.ixsq.nii.ac.jp/records/232767
https://ipsj.ixsq.nii.ac.jp/records/2327677b940226-0f82-456f-a17b-5661adda88db
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-BIO24077018.pdf (3.3 MB)
2026年3月1日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, BIO:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-02-29 | |||||||||
| タイトル | ||||||||||
| タイトル | 勾配クリッピングを用いたプライバシ保護ヒトゲノム合成 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Privacy-Protected Human Genome Synthesis Using Gradient Clipping | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 早稲田大学 | ||||||||||
| 著者所属 | ||||||||||
| 早稲田大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Waseda University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Waseda University | ||||||||||
| 著者名 |
橋本, 康平
× 橋本, 康平
× 清水, 佳奈
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | ヒトゲノム配列は個人情報であることから，データ共有には様々な制約が生じる．そこで，収集したデータを広く迅速に活用するため，非公開の実データを人工知能技術により学習し，実データのかわりに公開可能なデータを人工合成する方法が研究されはじめている．人工データは，実データの代替えとなりうる程度に実データの特徴を有する一方で，必要以上に元データの情報を漏らさないように合成される必要がある．本研究では，個別データに対する勾配クリッピングや差分プライバシを用いることにより，従来手法と比較して情報漏洩を抑制する手法を提案する．1000 ゲノムプロジェクトのデータセットを用いた実験では，アレル頻度や連鎖不均衡等の解析により，人工合成したデータが学習データの特徴をよく捉えていることを示す．また，提案手法により合成されたデータが，既存手法と比べてメンバーシップ推定攻撃の被害を低減していることを示す． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | As the human genome sequence is personal information, there are various restrictions on data sharing. In order to use the collected data widely and quickly, machine learning techniques are used to learn from private real data and artificially synthesize publicly available data in place of the real data. Artificial data must be synthesized in such a way that it has the characterestics of real data to the extent that it can serve as a substitute for real data, while at the same time not leaking more information from the original data than necessary. In this study, we propose a method that suppresses information leakage compared to existing methods by using gradient clipping and differential privacy for individual data. Experiments on the 1000 Genomes Project dataset showed that the artificially synthesized data captured the characteristics of the training data well, based on analyses of allele frequencies and linkage disequilibrium. We also show that the data synthesized by the proposed method reduces the damage from membership inference attacks compared to existing methods. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12055912 | |||||||||
| 書誌情報 |
研究報告バイオ情報学（BIO） 巻 2024-BIO-77, 号 18, p. 1-6, 発行日 2024-02-29 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8590 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
