WEKO3
アイテム
プライバシー保護決定木学習におけるエントロピーを近似する順序同型関数
https://ipsj.ixsq.nii.ac.jp/records/86648
https://ipsj.ixsq.nii.ac.jp/records/86648abcf31d4-28d1-46f5-b762-ce3361614e96
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2012 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | Symposium(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2012-10-23 | |||||||
タイトル | ||||||||
タイトル | プライバシー保護決定木学習におけるエントロピーを近似する順序同型関数 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | Order-Isomorphism Function for approximate entropy in Privacy-Preserving Decision Tree Learning | |||||||
言語 | ||||||||
言語 | jpn | |||||||
キーワード | ||||||||
主題Scheme | Other | |||||||
主題 | privacy,Data Mining,Decision Tree,Similarity | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||
資源タイプ | conference paper | |||||||
著者所属 | ||||||||
東海大学 | ||||||||
著者所属 | ||||||||
富士通研究所 | ||||||||
著者所属 | ||||||||
富士通研究所 | ||||||||
著者所属 | ||||||||
富士通研究所 | ||||||||
著者所属 | ||||||||
富士通研究所 | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Tokai University | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Fujitsu Laboratories Ltd. | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Fujitsu Laboratories Ltd. | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Fujitsu Laboratories Ltd. | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Fujitsu Laboratories Ltd. | ||||||||
著者名 |
菊池, 浩明
伊藤, 孝一
牛田, 芽生恵
津田, 宏
山岡, 裕司
× 菊池, 浩明 伊藤, 孝一 牛田, 芽生恵 津田, 宏 山岡, 裕司
|
|||||||
著者名(英) |
Hiroaki, Kikuchi
Kouichi, Ito
Mebae, Ushida
Hiroshi, Tsuda
Yuji, Yamaoka
× Hiroaki, Kikuchi Kouichi, Ito Mebae, Ushida Hiroshi, Tsuda Yuji, Yamaoka
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | プライバシー保護決定木学習では,機密性のあるデータセットを持つ複数の組織が互いsの値を秘匿した方法で,最適な識別子を選択するエントロピー利得を求める.しかし,この計算には大きな計算量を要する.そこで,この研究では,新たなエントロピー関数と順序同型な関数を最大値と最小値で定義し,それによる計算量削減を試みる.公開データセットにおける評価を報告する. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | Privacy-preserving decision tree learning protocol allow multiple parties with confidential datasets to jointly perform entropy gain to choose the best classifier in privacy-preserving way. The entropy function requires huge computational overhead to preform. Hence, in this study, a new order-isomorphism function is defined using simple max and min that are less intensive in computation. The evaluation with public datasets will be reported. | |||||||
書誌情報 |
コンピュータセキュリティシンポジウム2012論文集 巻 2012, 号 3, p. 92-97, 発行日 2012-10-23 |
|||||||
出版者 | ||||||||
言語 | ja | |||||||
出版者 | 情報処理学会 |