電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2015-06-23 13:00
差分プライバシと擬ベイズ事後分布
南 賢太郎荒井ひろみ佐藤一誠中川裕志東大
技報オンラインサービス実施中
抄録 (和) 差分プライバシは,個人情報を含むデータから構成した推定量や学習器を外部に公開する場合のプライバシ保護基準として代表的なものである.近年,様々な学習タスクにおいて,差分プライバシを満たすように学習結果を公開する手法が提案されてきた.
最近,事後分布からのサンプリングが自動的に差分プライバシを満たすことがWangらによって示された.Wangらの結果は,モデルの対数尤度の有界性という極めて限定的な状況でのみ成立するものであった.本論文では,より広い統計モデルおよび学習タスクまで結果を拡張し,擬ベイズ事後分布と呼ばれる分布からのサンプリングが適当な条件のもとで$(varepsilon,delta)$-近似差分プライバシを満たすことを示す.特に,サンプルサイズや事前分布の縮小の強さの寄与が定量的に評価できる.また,本論文の結果によって,密度推定や非有界な損失をもつ問題に対して,差分プライバシを満たす新しい学習アルゴリズムが得られる. 
(英) We investigate relationship between differential privacy and pseudo-Bayesian posterior distributions. Recently, Wang, et al. proved that a parameter drawn from Bayesian posterior distribution automatically satisfies differential privacy. In this paper, we show that samples from pseudo-Bayesian posterior distributions satisfy $(varepsilon, delta)$-differential privacy. Our result can be applied to various problems in which loss functions are possibly unbounded.
キーワード (和) 差分プライバシ / 擬ベイズ事後分布 / 測度集中 / PAC-Bayes学習 / / / /  
(英) differential privacy / pseudo-Bayesian posterior / concentration of measure / PAC-Bayesian learning / / / /  
文献情報 信学技報, vol. 115, no. 112, IBISML2015-7, pp. 39-46, 2015年6月.
資料番号 IBISML2015-7 
発行日 2015-06-16 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NC IPSJ-BIO IBISML IPSJ-MPS  
開催期間 2015-06-23 - 2015-06-25 
開催地(和) 沖縄科学技術大学院大学 
開催地(英) Okinawa Institute of Science and Technology 
テーマ(和) 機械学習によるバイオデータマインニング、一般 
テーマ(英) Machine Learning Approach to Biodata Mining, and General 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2015-06-NC-BIO-IBISML-MPS 
本文の言語 日本語 
タイトル(和) 差分プライバシと擬ベイズ事後分布 
サブタイトル(和)  
タイトル(英) Differential Privacy and Pseudo-Bayesian Posterior 
サブタイトル(英)  
キーワード(1)(和/英) 差分プライバシ / differential privacy  
キーワード(2)(和/英) 擬ベイズ事後分布 / pseudo-Bayesian posterior  
キーワード(3)(和/英) 測度集中 / concentration of measure  
キーワード(4)(和/英) PAC-Bayes学習 / PAC-Bayesian learning  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 南 賢太郎 / Kentaro Minami / ミナミ ケンタロウ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: The University of Tokyo)
第2著者 氏名(和/英/ヨミ) 荒井 ひろみ / Hiromi Arai / アライ ヒロミ
第2著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: The University of Tokyo)
第3著者 氏名(和/英/ヨミ) 佐藤 一誠 / Issei Sato / サトウ イッセイ
第3著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: The University of Tokyo)
第4著者 氏名(和/英/ヨミ) 中川 裕志 / Hiroshi Nakagawa / ナカガワ ヒロシ
第4著者 所属(和/英) 東京大学 (略称: 東大)
The University of Tokyo (略称: The University of Tokyo)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2015-06-23 13:00:00 
発表時間 25 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2015-7 
巻番号(vol) IEICE-115 
号番号(no) no.112 
ページ範囲 pp.39-46 
ページ数 IEICE-8 
発行日 IEICE-IBISML-2015-06-16 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会