| 講演名 | 2021-07-16 局所差分プライバシを用いたFederated Learningにおける学習精度の評価検討 柿崎 優太(東京理科大), 佐藤 光哉(東京理科大), 岩村 惠市(東京理科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 各端末が訓練データを開示せずに協調して学習するFederated Learning において， 学習モデルに局所差分プライバシに基づく確率的ノイズを加えることでプライバシレベルを向上できる．一方，所望プライバシレベルと学習精度の間にはトレードオフの関係があるため，条件次第では端末ごと独立に学習を行った方がプライバシと学習精度を両立できる可能性がある．そこで本稿では，上記2 つのプライバシ保護手法について比較を行う．データセットサイズによって精度面での両者の優劣は変化することをを示し，プライバシ制約がある環境における学習設計について議論する． |
| 抄録(英) | In federated learning, where each device learns cooperatively without disclosing the training data, the privacy level can be improved by adding probabilistic noise based on local differential privacy to the training model. On the other hand, since there is a trade-off between the desired privacy level and the learning accuracy, it is possible to achieve both privacy and learning accuracy by training each device independently, depending on the conditions. In this paper, we compare the above two privacy protection methods. We show that the accuracy of the two methods depends on the size of the dataset, and discuss learning design in privacy-constrained environments. |
| キーワード(和) | Federated Learning / 差分プライバシ / 局所差分プライバシ / 機械学習 |
| キーワード(英) | Federated Learning / Differential Privacy / Local Differential Privacy / Machine Learning |
| 資料番号 | SR2021-37 |
| 発行日 | 2021-07-07 (SR) |
| 研究会情報 | |
| 研究会 | RCS / SR / NS / SeMI / RCC |
|---|---|
| 開催期間 | 2021/7/14(から3日開催) |
| 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 |
| 委員長氏名（和） | 岡本 英二(名工大) / 亀田 卓(広島大) / 中尾 彰宏(東大) / 山本 高至(京大) / 李 還幇(NICT) |
| 委員長氏名（英） | Eiji Okamoto(Nagoya Inst. of Tech.) / Suguru Kameda(Hiroshima Univ.) / Akihiro Nakao(Univ. of Tokyo) / Koji Yamamoto(Kyoto Univ.) / HUAN-BANG LI(NICT) |
| 副委員長氏名（和） | 西村 寿彦(北大) / 旦代 智哉(東芝) / 児島 史秀(NICT) / 田久 修(信州大) / 石津 健太郎(NICT) / 矢野 一人(ATR) / 大石 哲矢(NTT) / 門田 和也(日立) / 大和田 泰伯(NICT) / 東 俊一(名大) / 石井 光治(香川大) |
| 副委員長氏名（英） | Toshihiko Nishimura(Hokkaido Univ.) / Tomoya Tandai(Toshiba) / Fumihide Kojima(NICT) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) / Tetsuya Oishi(NTT) / Kazuya Monden(Hitachi) / Yasunori Owada(NICT) / Shunichi Azuma(Nagoya Univ.) / Koji Ishii(Kagawa Univ.) |
| 幹事氏名（和） | 村岡 一志(NEC) / 山本 哲矢(パナソニック) / 成枝 秀介(三重大) / 稲森 真美子(東海大) / 李 斗煥(NTT) / 池邉 隆(NTT) / 吉田 雅裕(中大) / 橋本 匡史(サイバー大) / 金井 謙治(早大) / 内山 彰(阪大) / 加川 敏規(電中研) / 林 直樹(阪大) |
| 幹事氏名（英） | Kazushi Muraoka(NEC) / Tetsuya Yamamoto(Panasonic) / Syusuke Narieda(Mie Univ.) / Mamiko Inamori(Tokai Univ.) / Doohwan Lee(NTT) / Takashi Ikebe(NTT) / Masahiro Yoshida(Chuo Univ.) / Masafumi Hashimoto(Cyber Univ.) / Kenji Kanai(Waseda Univ.) / Akira Uchiyama(Osaka Univ.) / Toshinori Kagawa(CRIEPI) / Naoki Hayashi(Osaka Univ.) |
| 幹事補佐氏名（和） | 安達 宏一(電通大) / 中村 理(シャープ) / 酒井 学(三菱電機) / 岩渕 匡史(NTT) / 奥山 達樹(NTTドコモ) / 太田 真衣(福岡大) / 大辻 太一(NEC) / 王 瀟岩(茨城大) / 田中 明美(MathWorks) / 三原 孝太郎(NTT) / 勝間田 優樹(NTTドコモ) / 田谷 昭仁(青学大) / 中山 悠(東京農工大) / 単 麟(NICT) / 小蔵 正輝(阪大) |
| 幹事補佐氏名（英） | Koichi Adachi(Univ. of Electro-Comm.) / Osamu Nakamura(Sharp) / Manabu Sakai(Mitsubishi Electric) / Masashi Iwabuchi(NTT) / Tatsuki Okuyama(NTT DOCOMO) / Mai Ohta(Fukuoka Univ.) / Taichi Ohtsuji(NEC) / WANG Xiaoyan(Ibaraki Univ.) / Akemi Tanaka(MathWorks) / Kotaro Mihara(NTT) / Yuki Katsumata(NTT DOCOMO) / Akihito Taya(Aoyama Gakuin Univ.) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / SHAN LIN(NICT) / Masaki Ogura(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Radio Communication Systems / Technical Committee on Smart Radio / Technical Committee on Network Systems / Technical Committee on Sensor Network and Mobile Intelligence / Technical Committee on Reliable Communication and Control |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 局所差分プライバシを用いたFederated Learningにおける学習精度の評価検討 |
| サブタイトル（和） | |
| タイトル（英） | An Evaluation of Learning Accuracy in Federated Learning with Local Differential Privacy |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Federated Learning / Federated 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） | 局所差分プライバシ / Local Differential Privacy |
| キーワード(4)（和/英） | 機械学習 / Machine Learning |
| 第 1 著者 氏名（和/英） | 柿崎 優太 / Yuta Kakizaki |
| 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） | 佐藤 光哉 / Koya Sato |
| 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） | 岩村 惠市 / Keiichi Iwamura |
| 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) |
| 発表年月日 | 2021-07-16 |
| 資料番号 | SR2021-37 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | SR-104 |
| ページ範囲 | pp.87-93(SR), |
| ページ数 | 7 |
| 発行日 | 2021-07-07 (SR) |