講演抄録/キーワード |
講演名 |
2021-07-16 10:55
入力摂動により差分プライバシを満たす完全分散型機械学習の設計と評価 ○岡本将一・佐藤光哉・岩村惠市(東京理科大) SR2021-34 |
抄録 |
(和) |
分散型機械学習が注目されている.これは,端末でのローカル学習と学習結果の共有を繰り返す学習方式であり,学習データを開示しないことからデータプライバシの向上が期待されている.しかし,Model Inversion攻撃に代表されるように学習結果からの学習データの漏洩の可能性も指摘されており,プライバシやそのプライバシレベルには一考の余地がある.そこで本稿では,入力摂動を用いて差分プライバシを満たす分散型機械学習手法を提案する.差分プライバシは,プライバシ保護レベルを表す定義の1つである.統計データに確率的ノイズ付与のようなメカニズムを適用することで,統計データからの生データの漏洩量を抑えることができる.これを併用することで,分散学習においてもプライバシを確保しながらのビッグデータ解析が期待できる.
計算機シミュレーションにより,提案手法を用いることでは関連手法と比較してより高い精度での学習を行えることを示す. |
(英) |
Distributed machine learning eliminates the need for users to disclose their data to the out of the terminal since training can be done locally. However, machine learning has also been pointed out to have the potential to leak training data such as Model Inversion attack, which may lead to privacy violation. In this paper, we propose a method for satisfying differential privacy in distributed machine learning using input perturbations. Differential privacy is a definition for the privacy protection level, which can be satisfied by adding noise to the statistics. This allows us to analyze a large amount of data while ensuring privacy in distributed learning among users.
Numerical simulations demonstrate the accuracy of the proposed and related methods.
The results show that the proposed method can learn with higher accuracy than the output perturbation-based learning. |
キーワード |
(和) |
分散型機械学習 / 差分プライバシ / 入力摂動 / / / / / |
(英) |
distributed machine learning / differential privacy / input perturbation / / / / / |
文献情報 |
信学技報, vol. 121, no. 104, SR2021-34, pp. 67-72, 2021年7月. |
資料番号 |
SR2021-34 |
発行日 |
2021-07-07 (SR) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SR2021-34 |
研究会情報 |
研究会 |
RCS SR NS SeMI RCC |
開催期間 |
2021-07-14 - 2021-07-16 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
機械学習とAIを応用した通信・ネットワーク技術,M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things),一般 |
テーマ(英) |
Communication and Network Technology of the AI Age, M2M (Machine-to-Machine),D2D (Device-to-Device),IoT(Internet of Things), etc |
講演論文情報の詳細 |
申込み研究会 |
SR |
会議コード |
2021-07-RCS-SR-NS-SeMI-RCC |
本文の言語 |
日本語 |
タイトル(和) |
入力摂動により差分プライバシを満たす完全分散型機械学習の設計と評価 |
サブタイトル(和) |
|
タイトル(英) |
A Study on Decentralized Machine Learning with Differential Privacy based on Input Perturbation |
サブタイトル(英) |
|
キーワード(1)(和/英) |
分散型機械学習 / distributed machine learning |
キーワード(2)(和/英) |
差分プライバシ / differential privacy |
キーワード(3)(和/英) |
入力摂動 / input perturbation |
キーワード(4)(和/英) |
/ |
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) |
岡本 将一 / Masakazu Okamoto / オカモト マサカズ |
第1著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: Tokyo Univ. of Science) |
第2著者 氏名(和/英/ヨミ) |
佐藤 光哉 / Koya Sato / サトウ コウヤ |
第2著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: Tokyo Univ. of Science) |
第3著者 氏名(和/英/ヨミ) |
岩村 惠市 / Keiichi Iwamura / イワムラ ケイイチ |
第3著者 所属(和/英) |
東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: Tokyo Univ. of Science) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2021-07-16 10:55:00 |
発表時間 |
25分 |
申込先研究会 |
SR |
資料番号 |
SR2021-34 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.104 |
ページ範囲 |
pp.67-72 |
ページ数 |
6 |
発行日 |
2021-07-07 (SR) |