| 講演名 | 2022-11-24 サーバ上のデータを利用した高精度なプライバシ強化型連合機械学習 柿崎 優太(東京理科大), 佐藤 光哉(電通大), 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) | 各デバイスが学習データを開示せずに協調して学習する連合機械学習では，ローカルモデルに対して差分プライバシに従うノイズを加えることでプライバシを強化できる．しかし，ノイズを付加することで学習精度が低下するという問題がある．本稿では，クライアントごとに要求するプライバシレベルが異なる環境を対象とした，高精度なプライバシ強化型連合機械学習方式の設計を行う．具体的に，サーバ上にある評価用データを用いて各ローカルモデルの学習精度を計算し，その学習精度に基づいてグローバルモデルを更新する手法を提案する．シミュレーション結果より，畳み込みニューラルネットワークを用いた画像分類タスクにおいて学習精度を約30ポイント改善可能であることを示す． |
| 抄録(英) | Federated learning is a cooperative machine learning approach that prohibits disclosing training data from distributed devices. Its privacy can be further enhanced by adding noise to the local model based on differential privacy; however, adding noise tends to decrease the training accuracy. In this paper, we focus on highly accurate privacy-enhanced federated learning schemes for situations in which each client requires a different privacy level. Specifically, we propose an adaptive model aggregation method using evaluation data on the server. According to the simulation results, the training accuracy can be improved by about 30 points in an image classification task using a convolutional neural network. |
| キーワード(和) | 連合機械学習 / 差分プライバシ / 機械学習 |
| キーワード(英) | Federated Learning / Differential Privacy / Machine Learning |
| 資料番号 | NS2022-100 |
| 発行日 | 2022-11-17 (NS) |
| 研究会情報 | |
| 研究会 | NS / ICM / CQ |
|---|---|
| 開催期間 | 2022/11/24(から2日開催) |
| 開催地（和） | 福岡大学文系センター棟 + オンライン開催 |
| 開催地（英） | Humanities and Social Sciences Center, Fukuoka Univ. + Online |
| テーマ（和） | ネットワーク品質，ネットワーク計測・管理，ネットワーク仮想化，ネットワークサービス，ブロックチェーン，セキュリティ，ネットワークインテリジェンス・AI，一般 |
| テーマ（英） | Network quality, Network measurement/management, Network virtualization, Network service, Blockchain, Security, Network intelligence/AI, etc. |
| 委員長氏名（和） | 大石 哲矢(NTT) / 野村 祐士(富士通) / 岡本 淳(NTT) |
| 委員長氏名（英） | Tetsuya Oishi(NTT) / Yuji Nomura(Fujitsu) / Jun Okamoto(NTT) |
| 副委員長氏名（和） | 三好 匠(芝浦工大) / 三好 優(NTT) / 高橋 英士(NEC) / 平栗 健史(日本工大) / 長谷川 剛(東北大) |
| 副委員長氏名（英） | Takumi Miyoshi(Shibaura Insti of Tech.) / Yu Miyoshi(NTT) / Eiji Takahashi(NEC) / Takefumi Hiraguri(Nippon Inst. of Tech.) / Gou Hasegawa(Tohoku Univ.) |
| 幹事氏名（和） | 池邉 隆(NTT) / 山口 実靖(工学院大) / 加藤 能史(NTT) / 内海 哲哉(富士通) / 恵木 則次(NTT) / 山本 寛(立命館大) |
| 幹事氏名（英） | Takashi Ikebe(NTT) / Saneyasu Yamaguchi(Kogakuin Univ.) / Yoshifumi Kato(NTT) / Tetsuya Uchiumi(Fujitsu) / Noritsugu Egi(NTT) / Hiroshi Yamamoto(Ritsumeikan Univ.) |
| 幹事補佐氏名（和） | 三原 孝太郎(NTT) / 山本 嶺(電通大) / 川嶋 喜美子(NTT) / 中村 遼(福岡大) / 中平 俊朗(NTT) / 塚常 健太(都立大) |
| 幹事補佐氏名（英） | Kotaro Mihara(NTT) / Ryo Yamamoto(Univ. of Electro-Comm) / Kimiko Kawashima(NTT) / Ryo Nakamura(Fukuoka Univ.) / Toshiro Nakahira(NTT) / Kenta Tsukatsune(Tokyo Metroplitan Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Network Systems / Technical Committee on Information and Communication Management / Technical Committee on Communication Quality |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | サーバ上のデータを利用した高精度なプライバシ強化型連合機械学習 |
| サブタイトル（和） | |
| タイトル（英） | Highly Accurate Privacy-Enhanced Federated Learning Using Data On The Server |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 連合機械学習 / 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） | 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：TUS) |
| 第 2 著者 氏名（和/英） | 佐藤 光哉 / Koya Sato |
| 第 2 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 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：TUS) |
| 発表年月日 | 2022-11-24 |
| 資料番号 | NS2022-100 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | NS-274 |
| ページ範囲 | pp.1-6(NS), |
| ページ数 | 6 |
| 発行日 | 2022-11-17 (NS) |