空間的な分布をもつ機微情報を差分プライバシ―基準に基づいて秘匿する手法の機能拡張

点击翻译按钮获取中文摘要

本研究は，人に関わる集計データのプライバシーを保護し，かつ，有用性と処理効率を向上させる手法の開発を目指したものである．具体的には，その安全性から現在注目を集めている「差分プライバシー」と呼ばれるプライバシー保護基準に基づく処理手法の実用性を向上させる技術の研究を行う．差分プライバシーは，集計データにプライバシー保護のための処理を施した処理後のデータ群の中に，ある人のデータが含まれるか否かを判別することが困難であること（判別困難性）に基づいたプライバシー保護基準である．差分プライバシーを実現する代表的な手段としては，各データに平均値が0のLaplaceノイズを付加する「Laplaceメカニズム」が提案されている．しかしそこには，「矛盾値の発生」「部分和精度の劣化」「計算量の増大」という問題が存在していた．研究代表者らが提案したTop-down精緻化を伴うPrivelet法はこれら3つの問題を同時に解消・抑制する．しかし，その対象は，一次元データに限定されている．ここで，地理空間データや国勢調査データのような実利用を想定した場合，もしも同技術を，二次元・一次元間での順・逆方向変換を行うことなく，二次元データへ直接適用できるよう拡張することができれば，高い効率性・性能の実現が期待できる．そこで本研究では，Top-down精緻化を伴うPrivelet法の二次元化を目指す．令和４年度は，前年度に実施できなかった，二次元Privelet法を計算機実装した上での定量評価に取り組んだ．具体的には，前年度には中途段階であった①演算時間の調査，ならびに，②秘匿データの精度の調査を行った．その結果，①二次元Privelet法が一次元方式よりも演算時間が短いこと，ならびに，②二次元Privelet法による秘匿データが一次元方式による秘匿データよりも精度が低いことが確認できた．