@techreport{oai:ipsj.ixsq.nii.ac.jp:00233785,
 author = {川原, 尚己 and Wei, Pengxuan and 東, 龍之介 and 岡田, 健汰 and 山月, 達太 and 宮地, 充子 and Naoki, Kawahara and Wei Pengxuan and Ryunosuke, Higashi and Kenta, Okada and Tatsuhiro, Yamatsuki and Atsuko, Miyaji},
 issue = {14},
 month = {Mar},
 note = {近年では，機械学習をはじめとするデータ活用技術は益々発展しつつある．データ活用技術に対するデータの保護手段の一つとして局所差分プライバシがある．本研究においては，画像データセットに対する局所差分プライバシフレームワークを提案する．MNIST データセットに対し，サポートベクタマシンとランダムフォレストという二種類の分類器によって分類精度を測定した．データの前処理として複数の方法を考え，それらの組み合わせにより，画像の有用性の変化について考察を行う．, In recent years, data utilization technologies, including machine learning, have been steadily advancing. One means of protecting data in data utilization technologies is through local differential privacy. In this study, we propose a local differential privacy framework for image datasets. We measured the classification accuracy using two types of classifiers, Support Vector Machine and Random Forest, on the MNIST dataset. We consider multiple methods for data preprocessing and examine how combinations of these methods affect the utility of the images.},
 title = {MNISTにおける差分プライバシメカニズムに関する考察},
 year = {2024}
}