ゲーム理論に基づくデータ取引市場におけるデータの価値評価方式の開発

本研究課題の目的は，ゲーム理論に基づき，データ取引市場において公平性と信頼性を保証する価値評価方式を開発することである．本年度は，分散型機械学習の枠組みである連合学習において，複数のクライアントが一つのモデルを生成するのではなく，各クライアントが有するデータセットの特徴を考慮して複数のモデルを効率的に生成する手法の開発を行った．その研究成果は人工知能の国際会議（IEEE/WIC International Conference on Web Intelligence and Intelligent Agent Technology, WI-IAT-2022）に採択され，発表を行った．また，複数のラベルがネットワーク上を伝搬する場合において，全体のラベルの傾向を予測するために必要なサンプル数を理論的に解析した．その研究成果はマルチエージェントシステムの国際会議（International Conference on Principles and Practice of Multi-Agent Systems, PRIMA-2022）に採択され，発表を行った．さらに，データ提供者と利用者の関係をセキュリティゲームとして定式化し，均衡戦略の分析等を行った．この結果を国内研究会にて発表を行った．その他，データの価値を評価するために必要な事前知識が不足している場合に対応可能なデータ価値評価方式に関する検討を行った．

本研究課題の目的は，ゲーム理論に基づき，データ取引市場において公平性と信頼性を保証する価値評価方式を開発することである．本年度は，分散型機械学習の枠組みである連合学習において，複数のクライアントが一つのモデルを生成するのではなく，各クライアントが有するデータセットの特徴を考慮して複数のモデルを効率的に生成する手法の開発を行った．その研究成果は人工知能の国際会議（IEEE/WIC International Conference on Web Intelligence and Intelligent Agent Technology, WI-IAT-2022）に採択され，発表を行った．また，複数のラベルがネットワーク上を伝搬する場合において，全体のラベルの傾向を予測するために必要なサンプル数を理論的に解析した．その研究成果はマルチエージェントシステムの国際会議（International Conference on Principles and Practice of Multi-Agent Systems, PRIMA-2022）に採択され，発表を行った．さらに，データ提供者と利用者の関係をセキュリティゲームとして定式化し，均衡戦略の分析等を行った．この結果を国内研究会にて発表を行った．その他，データの価値を評価するために必要な事前知識が不足している場合に対応可能なデータ価値評価方式に関する検討を行った．