個人の選好と報酬配分を考慮したパーソナルデータの健全で頑健な流通系構築に向けて

建立一个健康、稳健的个人数据分配系统，考虑个人偏好和奖励分配

• 批准号: 21K19767
• 负责人: 吉川 正俊
• 金额: $ 3.99万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Research (Exploratory)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-07-09 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K19767/
• 关键词: パーソナルデータ市場; プライバシ保護; 機械学習; 連合学習; シャープレー値; パーソナルデータ; プライバシー保護; 差分プライバシー; データ価値査定

個人のパーソナルデータを，信頼できない機械学習モデルブローカーからプライバシー保護する市場機構を提案した．多数の個人からパーソナルデータを収集し機械学習によるデータ分析を行う場合，既存研究では機械学習を行うブローカーがデータ所有者のプライベートな学習データにアクセスできることを前提としており，現実的でない場合がある．本研究では，機械学習タスクのための信頼できるデータ取得を促進するために，信頼できないブローカーからプライバシーを保護する局所的プライベートモデル市場機構を提案した．この市場機構では，データ所有者が局所的な差分プライバシにより局所的に勾配を変化させることを可能にし，プライバシー漏洩リスクを低減させることができる．この市場機構を推進するために，局所的勾配の摂動レベルを決定するための深層学習を活用したオークション機構と摂動された勾配を集約するための最適な集約機構を提案した．この研究成果は，国際会議IEEE BigData2022で発表した．さらに，比較的大量のデータを保有する複数のサーバが協調して機械学習を行い予測モデルを構築するクロスサイロ連合学習において各サーバの貢献度を評価する指標としてシャプレー値を計算する場合に，各サーバのパーソナルデータを安全に保護するプロトコルを提案した．本研究では，クロスサイロ連合学習における安全なシャープレー値算出のための効率的な2サーバプロトコルであるSecSVを提案した．この研究成果は，国際学術雑誌PVLDBに掲載された．

Personal の パ ー ソ ナ ル デ ー タ を, letter 頼 で き な い rote learning モ デ ル ブ ロ ー カ ー か ら プ ラ イ バ シ ー protection す る market institutions を proposal し た. Most の personal か ら パ ー ソ ナ ル デ ー タ を 収 set し rote learning に よ る デ ー タ analysis を う occasions, existing research で は rote learning を line う ブ ロ ー カ ー が デ ー タ owner の プ ラ イ ベ ー ト な learning デ ー タ に ア ク セ ス で き る こ と を premise と し て お り, now be で な い occasions が あ る. This study で は, rote learning タ ス ク の た め の letter 頼 で き る デ ー タ obtain を promote す る た め に, letter 頼 で き な い ブ ロ ー カ ー か ら プ ラ イ バ シ ー を protection す る bureau of プ ラ イ ベ ー ト モ デ ル market institutions を proposal し た. こ の market institutions で は, デ ー タ owner が bureau な difference プ ラ イ バ シ に よ り bureau に hook with を variations change さ せ る こ と を may に し, プ ラ イ バ シ ー leakage リ ス ク を low cut さ せ る こ と が で き る. こ の market institutions を propulsion す る た め に, bureau of the hook with の, dynamic レ ベ ル を decided す る た め の deep learning を transfer し た オ ー ク シ ョ ン institutions と, dynamic さ れ た hook with を intensive す る た め の optimum な intensive institutions を proposal し た. The research results of and the international conference IEEE BigData2022で were presented at た. さ ら に, comparison of の デ ー タ を retain す る plural の サ ー バ が coordination し て rote learning を line い be モ デ ル を build す る ク ロ ス サ イ ロ commissure learning に お い て each サ ー バ の contribution を review 価 す る index と し て シ ャ プ レ ー numerical を computing す に る situations, Each サ ー バ の パ ー ソ ナ ル デ ー タ に を safety protection す る プ ロ ト コ ル を proposal し た. This study で は, ク ロ ス サ イ ロ commissure learning に お け る security な シ ャ ー プ レ ー numerical calculate の た め の sharper rate な 2 サ ー バ プ ロ ト コ ル で あ る SecSV を proposal し た. The research results of <s:1> 雑 were published in the international academic journal 雑 PVLDBに in された.

项目成果

FL-Market: Trading Private Models in Federated Learning

• DOI: 10.1109/bigdata55660.2022.10020232
• 发表时间: 2021-06
• 期刊: 2022 IEEE International Conference on Big Data (Big Data)
• 作者: Shuyuan Zheng;Yang Cao;Masatoshi Yoshikawa;Huizhong Li;Qiang Yan

PCT-TEE: Trajectory-based Private Contact Tracing System with Trusted Execution Environment

• DOI: 10.1145/3490491
• 发表时间: 2020-12
• 期刊: ACM Transactions on Spatial Algorithms and Systems (TSAS)
• 作者: Fumiyuki Kato;Yang Cao;Yoshikawa Masatoshi

Singapore Management University(シンガポール)

新加坡管理大学（新加坡）

Preventing Manipulation Attack in Local Differential Privacy using Verifiable Randomization Mechanism

• DOI: 10.1007/978-3-030-81242-3_3
• 发表时间: 2021-04
• 期刊: ArXiv
• 作者: Fumiyuki Kato;Yang Cao;Masatoshi Yoshikawa