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

• Item type: Symposium(1)
• 公開日: 2012-10-23
• 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: jpn
• キーワード / 主題Scheme: Other
• キーワード / 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
• 著者所属(英): Tokai University
• 著者所属(英): en
• 著者所属(英): Fujitsu Laboratories Ltd.
• 著者所属(英): en
• 著者所属(英): Fujitsu Laboratories Ltd.
• 著者所属(英): en
• 著者所属(英): Fujitsu Laboratories Ltd.
• 著者所属(英): en
• 著者所属(英): 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
• 著者名(英): Hiroaki, Kikuchi; Kouichi, Ito; Mebae, Ushida; Hiroshi, Tsuda; Yuji, Yamaoka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 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
• 論文抄録(英) / 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