| 講演名 | 2024-01-16 ［招待講演］AIにおけるプライバシー保護を強化した連合学習 王 立華(NICT), |
|---|---|
| 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，複数の組織がデータを共有せずに協力し，全体のデータに対して機械学習を行うための重要な手法です．この講演では，ますます重要性を増す連合学習において，情報が漏洩する可能性がある課題を特定し，それに対処するためのプライバシー保護フレームワークを紹介します．提案されるフレームワークは，深層学習や勾配ブ—スティング決定木など，既存の多くの連合学習システムでプライバシーを守るために適用されます．関連研究や実用化の最新の進展，そして将来の展望についても取り上げます． |
| 抄録(英) | Federated learning is a crucial methodology in artificial intelligence where multiple organizations collaborate to perform machine learning on overall data without sharing the data itself. In this talk, we identify challenges in federated learning that are becoming increasingly important, specifically the potential for information leakage. We introduce privacy protection frameworks to address this issue. The proposed frameworks are applicable to existing federated learning systems, including deep learning and gradient boosting decision trees, to safeguard privacy. We also discuss relevant research, recent developments in practical applications, and future prospects in this field. |
| キーワード(和) | 連合学習 / プライバシー保護 / 準同型暗号 / 深層学習 / 決定木 |
| キーワード(英) | Federated learning / privacy preservation / Homomorphic Encryption / deep learning / decision tree |
| 資料番号 | EMM2023-83 |
| 発行日 | 2024-01-09 (EMM) |
| 研究会情報 | |
| 研究会 | EMM |
|---|---|
| 開催期間 | 2024/1/16(から2日開催) |
| 開催地（和） | 東北大 |
| 開催地（英） | Tohoku Univ. |
| テーマ（和） | 臨場感生成，ユニバーサルメディア，ディジタルエンタテインメント，一般 |
| テーマ（英） | Sense of Presence, Universal Media, Digital Entertainment, etc. |
| 委員長氏名（和） | 新見 道治(九工大) |
| 委員長氏名（英） | Michiharu Niimi(Kyushu Inst. of Tech.) |
| 副委員長氏名（和） | 薗田 光太郎(長崎大) / 姜 玄浩(東京高専) |
| 副委員長氏名（英） | Kotaro Sonoda(Nagasaki Univ.) / Hyunho Kang(NIT, Tokyo) |
| 幹事氏名（和） | 梶山 朋子(広島市大) / 酒澤 茂之(大阪工大) |
| 幹事氏名（英） | Tomoko Kajiyama(Hiroshima City Univ.) / Shieyuki Sakazawa(Osaka Inst. of Tech.) |
| 幹事補佐氏名（和） | 青木 直史(北大) / 中村 和晃(東京理科大) |
| 幹事補佐氏名（英） | Naofumi Aoki(Hokkaido Univ.) / Kazuaki Nakamura(Tokyo Univ. of Science) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Enriched MultiMedia |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］AIにおけるプライバシー保護を強化した連合学習 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] Federated Learning with Enhanced Privacy Protection in AI |
| 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） | プライバシー保護 / privacy preservation |
| キーワード(3)（和/英） | 準同型暗号 / Homomorphic Encryption |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | 決定木 / decision tree |
| 第 1 著者 氏名（和/英） | 王 立華 / Lihua Wang |
| 第 1 著者 所属（和/英） | 情報通信研究機構サイバーセキュリティ研究所セキュリティ基盤研究室(略称：NICT) NICT Cybersecurity Research Institute(略称：NICT) |
| 発表年月日 | 2024-01-16 |
| 資料番号 | EMM2023-83 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | EMM-332 |
| ページ範囲 | pp.19-19(EMM), |
| ページ数 | 1 |
| 発行日 | 2024-01-09 (EMM) |