個人情報保護と推定精度のトレードオフ関係及びそれに関連した量子効果の数学的解析

个人信息保护与估计准确性之间的权衡关系及相关量子效应的数学分析

基本信息

批准号：
19J20161
负责人：
吉田裕哉
金额：
$ 2.18万
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2022-03-31
项目状态：
已结题

项目摘要

2021年度は, 2020年度までの研究に足りなかった数学的な解析を行った. 以下, 2020年度の研究と比較しつつ, 2021年度の研究について述べる.古典的データXを量子状態に変換した際の差分プライバシーを古典量子DP, Xを別の古典的データに変換した際の差分プライバシーを古典DPと記す. 差分プライバシーでは, 正のパラメータεでプライバシーレベルを表す. たとえば, εが小さいとプライバシーレベルが高く, εが大きいとプライバシーレベルが低い. 2020年度までの研究では, 同じプライバシーレベル (同じε) の場合に古典と量子を比較した.2021年度は, 異なるプライバシーレベル (異なるε) の場合に古典と量子を比較し, 古典DPと古典量子DPの差をプライバシーレベルのずれで定量的に評価することに成功した. これをもう少し詳しく述べる. ここで注目したい性質は, 有用性 (utility) とプライバシーレベルである. 一般に, プライバシーレベルを下げれば有用性が上がり, プライバシーレベルを上げれば有用性が下がる. これを踏まえると, 2021年度の研究成果は以下である. 一般に, 有用性は古典DPより古典量子DPの方が優れている (2020年度までの研究). しかし, 古典のプライバシーレベルを犠牲にすれば, 有用性の関係が逆転することを示した. さらに, どの程度プライバシーレベルを犠牲にすれば有用性の関係が逆転するのか, 定量的に評価した.

2021年，我们进行了2020年研究中所缺乏的数学分析。下面，我们将描述2021年的研究，并与2020年的研究进行比较。当 ε 小时，隐私级别高，当 ε 大时，隐私级别低在截至 2020 年的研究中，我们在使用相同隐私级别（相同 ε）时对经典和量子进行了比较。不同 ε 情况下的量子 DP），并成功定量评估了经典 DP 和经典量子 DP 在隐私级别差异方面的差异。我们将对此进行更详细的描述。这里我们要重点关注的属性是: 有用性（效用）和隐私级别一般来说，降低隐私级别会增加效用，而增加隐私级别则会降低效用。基于此，2021 年的研究结果一般来说，经典量子 DP 的效用是。比经典DP更好（研究截至2020年）。但是，如果牺牲经典的隐私级别，有用性的关系就会逆转。此外，我们定量评估了必须在多大程度上牺牲隐私级别才能扭转有用性关系。