大規模集計データへの差分プライバシーの適用

寺田, 雅之, 鈴木, 亮平, 山口, 高康, 本郷, 節之

データ活用による社会・産業の発展への期待が高まる中，プライバシーを保護した上でデータを活用するための技術が注目を集めている．その中で，Dwork らによる差分プライバシーは，その高い安全性から大きな期待が寄せられているが，データの有用性や処理効率の観点から実用上の課題を持つ．本論文では，大規模な集計データに差分プライバシーを適用する上での課題を示すとともに，これを解決する新しい手法を提案し，安全性証明と実データに基づく評価を与える．本手法は，集計データの非負制約に着目し，従来手法による制約逸脱を修正する過程で有用性と処理効率の向上を実現する．

Big data become widely expected to enhance the quality and the efficiency of our daily life. On the other hand, facile utilization of such data can easily derive serious privacy breach; the data must be utilized or published with preserving privacy, but it is not an easy task. Differential privacy is a promising paradigms to achieve this, but previous methods to assure differential privacy have several drawbacks on data utility and/or scalability, which make it difficult to apply the differential privacy to publishing large tabular data in practice. This paper introduces a novel differential private method, namely Top-down mechanism, that simultaneously solves the utility and scalability problems through corrections of the deviation from the non-negative restriction of tabular data, followed by the security proofs and evaluation results of the proposed method.

大規模集計データへの差分プライバシーの適用

書誌事項

抄録

収録刊行物

キーワード

詳細情報詳細情報について

書き出し

問題の指摘

大規模集計データへの差分プライバシーの適用

書誌事項

抄録

収録刊行物

キーワード

詳細情報 詳細情報について

書き出し

問題の指摘

参加プロジェクトリスト

詳細情報詳細情報について