@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00240875,
 author = {増田, 大輝 and 北, 健太朗 and 小泉, 佑揮 and 武政, 淳二 and 長谷川, 亨 and Hiroki, Masuda and Kentaro, Kita and Yuki, Koizumi and Junji, Takemasa and Toru, Hasegawa},
 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 = {連合学習は教師データのプライバシーを保護するための有望な分散機械学習システムである．しかし，ユーザのローカルモデルからデータが漏洩するリスクがある．このリスクに対処するため，ローカルモデルのマスクによるセキュアアグリゲーションプロトコルが提案されているが，既存のプロトコルは，ドロップアウトユーザの対策において計算と通信コストの間にトレードオフがある．ナイーブなプロトコルは，マスクの代わりに鍵を交換するため通信コストが低いが，サーバによる鍵からのマスクの復元に高い計算コストがかかる．最先端のプロトコルは，マスクを交換することでサーバの計算コストを削減するが，ユーザによるマスク交換に高い通信コストがかかる．本研究では，両方のプロトコルの強みを生かし，計算と通信コストのトレードオフを調整するセキュアアグリゲーションプロトコルを提案する．, Federated learning is a promising distributed learning system that protects the privacy of training data. However, there is still a risk of data leakage from users' local models. To address this risk, secure aggregation using local model masking has been proposed, but existing secure aggregation protocols face a trade-off between computation and communication costs for handling dropout users. A naive protocol achieves a low communication cost by exchanging keys instead of masks, but it requires a high computation cost for the server to reconstruct masks from these keys. On the other hand, a state-of-the-art protocol reduces the server's computation cost by exchanging the masks directly, but this mask-exchange results in a high communication cost. This paper proposes a secure aggregation protocol that balances the trade-off between the computation and communication costs by complementing the strengths of both protocols.},
 pages = {961--968},
 publisher = {情報処理学会},
 title = {ドロップアウト耐性のある連合学習における計算と通信コストのトレードオフ調整},
 year = {2024}
}