| 講演名 | 2021-07-16 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(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) | 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． |
| 抄録(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 |
| キーワード(英) | distributed machine learning / differential privacy / input perturbation |
| 資料番号 | SR2021-34 |
| 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） | 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 岡本 将一 / Masakazu Okamoto |
| 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 | SR2021-34 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | SR-104 |
| ページ範囲 | pp.67-72(SR), |
| ページ数 | 6 |
| 発行日 | 2021-07-07 (SR) |