@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00086648,
 author = {菊池, 浩明 and 伊藤, 孝一 and 牛田, 芽生恵 and 津田, 宏 and 山岡, 裕司 and Hiroaki, Kikuchi and Kouichi, Ito and Mebae, Ushida and Hiroshi, Tsuda and Yuji, Yamaoka},
 book = {コンピュータセキュリティシンポジウム2012論文集},
 issue = {3},
 month = {Oct},
 note = {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．, 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.},
 pages = {92--97},
 publisher = {情報処理学会},
 title = {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},
 volume = {2012},
 year = {2012}
}