分散環境におけるプライバシー保護手法

点击翻译按钮获取中文摘要

データにノイズをいれるなどの手法はすでに商用化されているが、安全性の問題も指摘されており、暗号技術を利用したより堅固な方式の研究が始まっている。しかし、暗号プロトコルを利用した方式は、守秘強度の立場からは優れているものの、計算量・通信量が多く、安全性を維持したうえで、より効率よい手法の開発が実用化へ向けた課題となっている。本年度の研究では分散計算におけるデータプライバシーに関して、二つの成果が得られた。一つ目の成果では、密度推定データクラスリング分散計算法を提案した。既存の方式では信頼第三者の存在を仮定し、各クライアントの情報を集める。この第三者はデータの悪用などの攻撃をする可能性がある。著者は安全性を向上するために、検証可能な秘密分散方式を導入することで、複数のクライアントが同時にランダムノイズ生成し、ランダム化されたデータからデータクラスリング分散計算を行う手法を提案した。さらに、フィルタリング攻撃を避けるために、ランダム化されたデータ固有値分布の変動と攻撃成功の確率を実験的に分析し、提案方式の安全性の限界も与えている。二つ目の成果では、k平均クラスタリングに対するプライバシー情報保護データマイニング手法を開発した。すでにk平均クラスタリングに対する手法は、いくつか知られているが、これら既存プロトコルを分析し、プロトコル実行の時の部分情報が漏れを具体的に明らかにし、あるプロトコルの出力結果は各パーティのデータベースの和集合に基づいて計算したものでないという正当性の問題を指摘した。また、既存提案は実際の応用では、異なるデータベースからデータの変数やばらつきなど偏差があり、その計算誤差を克服するために、データの標準化を行わなければならない課題がある。著者は二つのパーティの間に自分のデータを公開せず、標準化用のパラメターを算出し、それを利用する共同のデータ標準化を行う手法を提案し、この誤差を減らすことに成功した。