LINEヤフーの研究開発

その他 (国内) 差分プライバシーによるデータ活用最前線

髙橋 翼, リュウ センペイ, 長谷川 聡

第14回データ工学と情報マネジメントに関するフォーラム（第20回日本データベース学会年次大会） (DEIM 2022)

2022.2.27

差分プライバシーは、グローバルプラットフォーマーや米国の国勢調査等における大規模な統計調査に利用される等、近年注目のプライバシー基準である。 差分プライバシーの保証には所定のノイズの加算を用いる。 そのため、ノイズの大きさによるプライバシーと有用性のトレードオフの関係がある。 一方、差分プライバシーの注目すべき点として、対象とする データやユーザ群のスケールに応じて有用性の棄損を低減できる点がある。 よって、ビッグデータを扱う研究や事業においてはプライバシーと有用性の両立が期待できることから、 差分プライバシーに関する研究は近年大きな進展を見せている。 特に、データ合成や転移学習、連合学習といったアプリケーションでは、機微データの実用的な活用を目指した研究開発が加速している。 本チュートリアルでは、差分プライバシーの浸透を目的として、初学者向けに配慮した基礎概念の解説、データ合成や転移学習、連合学習といった差分プライバシーの応用事例の紹介を実施する。