| 講演名 | 2023-03-02 勾配ブースティング決定木を利用した通信効率に優れる連合学習 嶋村 光太郎(東大), 高前田 伸也(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 連合学習は各参加者がプライベートデータを他の参加者に開示することなく協調して学習を行う機械学習手法である． 連合学習の対象として勾配ブースティング決定木 (GBDT) を利用した手法が数多く提案されている． しかし，現在提案されている手法は通信回数の最小化のみに着目しており，通信量の最適化は行っていないという問題点がある． この問題を解決するために，本論文では決定木の部分木を学習に利用する手法を提案する． 決定木の部分木を利用した予測値の更新は低通信量で行えるため，モデルの収束に要する総通信量を削減することが出来る． また，通信量を更に削減するために葉の重みの学習コストを削減したサーバレスな手法も提案している． |
| 抄録(英) | Federated learning (FL) is a machine learning method in which clients learn cooperatively without disclosing private data to others. Since the current GBDT-based FL has a large communication volume, we propose a method that uses decision tree subtrees for learning. A serverless method is also proposed to further reduce the communication volume by reducing the learning cost of the leaf weights. |
| キーワード(和) | 連合学習 / 勾配ブースティング決定木 / 通信量 / セキュリティ |
| キーワード(英) | federated learning / gradient boosting decision trees / communication volume / security |
| 資料番号 | VLD2022-99,HWS2022-70 |
| 発行日 | 2023-02-22 (VLD, HWS) |
| 研究会情報 | |
| 研究会 | HWS / VLD |
|---|---|
| 開催期間 | 2023/3/1(から4日開催) |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| テーマ（和） | システムオンシリコンを支える設計技術, ハードウェアセキュリティ, 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 永田 真(神戸大) / 池田 奈美子(NTT) |
| 委員長氏名（英） | Makoto Nagata(Kobe Univ.) / Minako Ikeda(NTT) |
| 副委員長氏名（和） | 林 優一(奈良先端大) / 鈴木 大輔(三菱電機) / 中武 繁寿(北九州市大) |
| 副委員長氏名（英） | Yuichi Hayashi(NAIST) / Daisuke Suzuki(Mitsubishi Electric) / Shigetoshi Nakatake(Univ. of Kitakyushu) |
| 幹事氏名（和） | 山本 弘毅(ソニーセミコンダクタソリューションズ) / 藤本 大介(奈良先端大) / 宮村 信(ナノブリッジ・セミコンダクター) / 今井 雅(弘前大) |
| 幹事氏名（英） | Hirotake Yamamotoi(Sony Semiconductor Solutions) / Daisuke Fujimotoi(NAIST) / Makoto Miyamura(NBS) / Masashi Imai(Hirosaki Univ.) |
| 幹事補佐氏名（和） | / 西元 琢真(日立) |
| 幹事補佐氏名（英） | / Takuma Nishimoto(Hitachi) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Hardware Security / Technical Committee on VLSI Design Technologies |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 勾配ブースティング決定木を利用した通信効率に優れる連合学習 |
| サブタイトル（和） | |
| タイトル（英） | Communication-Efficient Federated Learning with Gradient Boosting Decision Trees |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 連合学習 / federated learning |
| キーワード(2)（和/英） | 勾配ブースティング決定木 / gradient boosting decision trees |
| キーワード(3)（和/英） | 通信量 / communication volume |
| キーワード(4)（和/英） | セキュリティ / security |
| 第 1 著者 氏名（和/英） | 嶋村 光太郎 / Kotaro Shimamura |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 第 2 著者 氏名（和/英） | 高前田 伸也 / Shinya Takamaeda |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：UTokyo) |
| 発表年月日 | 2023-03-02 |
| 資料番号 | VLD2022-99,HWS2022-70 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | VLD-402,HWS-403 |
| ページ範囲 | pp.137-142(VLD), pp.137-142(HWS), |
| ページ数 | 6 |
| 発行日 | 2023-02-22 (VLD, HWS) |