Publications
ワークショップ (国内) Vertical Federated Learningにおける共通属性を用いた差分プライベートなデータ合成
松本 茉倫 (お茶の水女子大学), 髙橋 翼, 小口 正人 (お茶の水女子大学)
コンピュータセキュリティシンポジウム2024 (CSS2024)
2024.10.22
データ合成は、生データを公開することなく、様々な分析のためにデータ共有できる技術の一つである.このとき，差分プライバシによって理論的なプライバシ保証することで合成データセットからの機密 情報を漏洩を防ぐことができる.データ属性が異なるデータ保持者の間で分散しているVertical Federated Learningでは，プライバシーを保護しながら異なるパーティ間の属性間の相関を効率的かつ正確に再構築 することが主な課題である.本研究では，Vertical Federated な環境において合成データを生成し，データ保持者から共有される情報に対して差分プライバシを保護手法 MRF-JOIN を提案する.本手法は，各 パーティが年齢や性別のような属性がパーティ間で共通であることは不自然ではない属性を持つことを仮定することで，局所的に生成されたマルコフ確率場を集約する.実験では 4 つのデータセットで合成デー タの有用性を検証した.