@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00240781,
 author = {菊池, 浩明 and Hiroaki, Kikuchi},
 book = {コンピュータセキュリティシンポジウム2024論文集},
 month = {Oct},
 note = {入力データを摂動化したままで決定木を学習するアルゴリズムを提案する．多くの研究では合成データから機械学習モデルが学習されている．この方式には，推定値の精度の保証がない課題があった．そこで，差分プライバシーを満たした摂動化からの同時確率推定誤差に着目し，同時確率から情報量利得を推定するアルゴリズムを示す．, In this paper, we propose a decision tree learning from perturbed input data. Many works train a machine learning model from the synthesized data that preserves differential privacy. A drawback of synthesized data is no guarantee for estimated accuracy. Hence, we explore statistical properties of estimated joint probability distribution and present an algorithm to evaluate information gain through the estimated joint probability.},
 pages = {253--257},
 publisher = {情報処理学会},
 title = {LDPを満たした決定木学習},
 year = {2024}
}