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

基本信息

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

项目摘要

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．

我们提出了一种市场机制，该机制可保护个人数据免受机器学习模型经纪的不可靠。当从许多人那里收集个人数据并执行机器学习数据分析时，现有研究假设机器学习经纪人可以从数据所有者访问私人学习数据，这可能是不现实的。在这项研究中，我们提出了一种当地的私人模型市场机制，该机制可保护隐私免受不可靠的经纪人，以促进机器学习任务的可靠数据获取。这种市场机制使数据所有者可以通过当地的差异隐私在本地改变梯度，从而降低了隐私泄漏的风险。为了促进这种市场机制，我们提出了一种拍卖机制，该机制利用深度学习来确定局部梯度的扰动水平和一种最佳聚集机制，用于聚集摄入梯度。这项研究的结果在IEEE BIGDATA 2022的国际会议上介绍。此外，我们提出了一项协议，在计算Shapley值时，该协议可以安全地保护每位服务器的个人数据，以作为评估CrossILO联合学习中每个服务器的贡献的指数，其中多个服务器具有相对较大的数据工作，以相对大量的数据协作和构建了机器学习和构建预测性的模型。在这项研究中，我们提出了SECSV，这是一种有效的两级服务协议，用于跨性型联合学习中的安全夏普值计算。这项研究的结果发表在国际学术期刊PVLDB中。