秘密計算上での高速畳み込み及び音声フィルタへの応用

情報処理学会

説明

近年，データ分析に対する需要が高まる一方で，プライバシーや機密情報漏洩のリスクも強く意識されるようになってきている．このような背景から，秘密計算による機械学習技術が盛んに研究されている．多くの研究では機械学習アルゴリズムの秘密計算上での実現に着目しているが，実際のデータ分析では分析のためにデータを加工する，前処理と呼ばれる工程が必要となる．そのため，実用化に向けては秘密計算上で前処理を実現することも重要になる．本研究では，秘密計算上での高速畳み込み及び，音声フィルタへの応用を提案する．音声では画像に比べフィルタサイズが大きいケースが典型的であるため，特に高速化が重要となる．(画像: フィルタサイズ数十～数百程度; 音声: フィルタサイズ数万) しかし，これまで，高速畳み込みアルゴリズムは秘密計算上では実現されていなかった．また，一般的な高速畳み込みアルゴリズムは実数演算が必要などの理由から，秘密計算上での効率的な実現が難しい．そこで，提案手法では NMNT と呼ばれる手法を用いて秘密計算上での高速畳み込み演算を効率的に実現する．本稿では定義式をそのまま計算する愚直法と提案手法との性能比較も報告する，提案手法は愚直法に比べ 30 倍以上の高速化を達成したことを確認した．

収録刊行物

詳細情報 詳細情報について

問題の指摘

ページトップへ