このデータは「年齢」「性別」「居住県」において2−匿名性を達成している。なぜならば、これらの属性の組み合わせではどの組み合わせにおいても2人以上になるためである。どの準識別子の組み合わせでも、k-匿名性を満たすデータセットにおいてはk人以上のレコードが該当する[6]。 MeyersonとWilliamsは2004年に最適なk-匿名化はNP困難な問題であることを示したが、2005年にBayardo、Agrawalにより示されたk-最適化のようなヒューリスティックな解法はしばしば良い結果を生み出す[7][8]。 概ねO(log k)の計算量であるという証明のある、k-匿名化問題を解くことができる実用的な近似アルゴリズムがKenigとTassaによって示された[9]。 警鐘[編集] k-匿名化はランダム性を含まないため、攻撃者は個人に対して害意のある推測が可能である。たとえば19歳の愛知県在住の

1 米国のHIPAA法における 個人情報等の保護に関する規定について 参考資料１ 2 Health Insurance Portability and Accountability Act • 1996年にHIPAA（Health Insurance Portability and Accountability Act of 1996;医療保険の携行性 と責任に関する法律）が制定。 • HIPAAにより、米国DHHS（保健社会福祉省）は健康情 報に関するプライバシールール及びセキュリティルール を策定 Standards for Privacy of Individually Identifiable Health Information 健康情報の保護の国家基準を設定 HIPAAプライバシールール Security Standards for the Protection of Elec

ミニバッチ確率的降下勾配法 各更新で$B$個のデータ（ミニバッチ）を使って並列で勾配を計算し，その平均を使って，パラメータを更新する $B$個は，毎回独立同分布でサンプリングする 並列プロセスは更新のたびに同期する必要が有る Bulk Synchronous Parallel (BSP)とよばれる Parallel SGD 更新のたび毎回同期して平均計算するのではなく，最後に平均をとる 学習データを並列プロセス数$P$で分割する プロセスごとに，確率的降下勾配法を$T$回反復して$\bold{w}_p^{(T+1)}$を得る 平均$\frac{1}{P} \sum_p \bold{w}_p^{(T+1)}$をとる 損失関数が凸で，その勾配がリプシッツ連続なら最適解に収束する Iterative Parameter Mixture (IPM) 最後に平均をとるのではなく，各プロセスが担当する

[IT研修]注目キーワード Python UiPath(RPA) 最新技術動向 Microsoft Azure Docker Kubernetes 第67回　Federated Learning：モバイルデバイスを用いた分散学習技術（パート1） (中井悦司) 2019年10月 はじめに 今回からは、2019年に公開された論文「Applied Federated Learning: Improving Google Keyboard Query Suggestions」を元にして、モバイルデバイスを用いた分散学習技術である「Federated Learning」の適用事例を紹介します。モバイルデバイス上で生成されるデータをサーバーに送信せず、ユーザー情報を適切に保護した状態で、デバイス上で学習処理を行う技術になります。 Federated Learningの適用事例 冒頭の論文では、Fede

暗号理論において、紛失通信（ふんしつつうしん、Oblivious Transfer、以下OTと記す）とは、暗号プロトコルの一種で、送信者が送信したデータのうち、受信者がどれを受信したのか、送信者が知ることができないようなプロトコルである。忘却送信ということもある。1981年にマイケル・ラビンが提案したRabin-OTが最初のOTである。 落とし戸置換(厳密には、enhanced trapdoor permutation)が存在すれば、OTが存在することが示されている。 Rabin-OT[編集] チューリング賞を受賞したマイケル・ラビンが考えた暗号技術であり、一方向性関数と並んで最も重要なものとなっている。彼のプロトコルは、紛失通信路をラビン暗号を使いシミュレートするというものであった。すなわち、この方式を使うと、1/2の確率で相手にメッセージが届き、残りの1/2の確率でメッセージが一切届か

アンドリュー・チーチー・ヤオが考案し1986年にIEEEの学会で発表したYao's Garbled circuitは、暗号プロトコルを設計する際の強力なフレームワークであり、暗号理論において今も中心的役割を担っている。ただし,このフレームワークを基礎に作った方式は効率が悪いことが知られている。 関数を任意の(確率的多項式時間計算可能)関数とする。 また、二人のユーザAliceとBobがそれぞれ入力をもっており、をお互いの入力を漏らすことなく計算したいものとする。関数として例えば、であるならば、どちらの入力値が大きいかを検証できる。 信頼できる第三者Tedがいる場合を考える。この場合は簡単で、AliceとBobがそれぞれの入力をTedに送り、Tedがを計算して、Bobに送り返せばよい。ここでYaoのGarbled Circuitを利用すると, 第三者の介入なしで、AliceとBobが協力して

秘匿共通集合計算プロトコル（ひとくきょうつうしゅうごうけいさんプロトコル、Secure Set-Intersection Protocol）では、二人のユーザがそれぞれ秘密の集合を保持しており、お互いにその情報を漏らすことなく、それらの共通集合のみを得ることが可能である。 この方式は、Freedman、Nissim、Pinkasらにより、Eurocrypt2004で発表[1]され、国家間でのテロリストリストの共有などといった多種多様な応用範囲を持つ。 二人の参加者サーバとクライアントがいるものとする。彼らは、それぞれ秘密の情報である集合とを保持しており、お互いにそれらを漏らすことなく、のみを 計算したい。 この方式を実現するために有用となるのは、集合を多項式で表現すること、そして、準同型暗号を利用することである。 ここで利用する準同型暗号には、とを与えられたときに、 を計算できる性質を有す

Modern mobile devices have access to a wealth of data suitable for learning models, which in turn can greatly improve the user experience on the device. For example, language models can improve speech recognition and text entry, and image models can automatically select good photos. However, this rich data is often privacy sensitive, large in quantity, or both, which may preclude logging to the da