ユビキタス機械学習社会におけるプライバシ保護基盤

点击翻译按钮获取中文摘要

顔画像やセンサーデータを含む学習済み機械学習モデルの公開が増えており、ユビキタス機械学習社会が到来する。利便性が向上する一方で、個人情報漏洩のリスクが拡大し、全容把握が困難。本研究では、プライバシ漏洩リスクを明らかにし、個人特定や属性値漏洩を防ぐ基盤を提供することが目標である。今年度は、顔画像やセンサデータを対象に機械学習モデルを構築し、その精度を向上させるアルゴリズムを提案した。さらに、機械学習モデルへのセキュリティ・プライバシ攻撃を検出するアルゴリズムを提案した。また、ユビキタス社会では誤差を持つデータが多数生成されることになる。誤差を持つデータを対象に、プライバシを保護しながら機械学習モデルを生成するアルゴリズムを提案した。具体的には、プライバシ保護指標として「差分プライバシ」を適用した。これは、Apple社など多くの企業で利用されている技術である。差分プライバシはオリジナルの値に意図的にノイズを与えることによってプライバシを保護する。本研究では、オリジナルの値には誤差が含まれており、誤差を含まない「真の値」を保護する新しいコンセプトの下で差分プライバシを適用した。プライバシを保護できることを数学的に証明したほか、データ解析精度が向上することを示した。このほか、CTで生成された画像を高精度に再構築する深層学習モデルを生成したほか、主に医療データを対象にして、Similarity attack, Skewness attack, Sensitivity attackを防ぐことのできるシステムを構築した。