[9A]連合学習

17:05 〜 17:30

[9A-04] 安全な組織間データ連携による垂直連合学習

*落合 桂一¹、寺田 雅之^1,2 (1. NTTドコモ、2. 京都橘大学 工学部)

発表者区分：一般
論文種別：ロングペーパー
インタラクティブ発表：あり

キーワード：

垂直連合学習、秘匿クロス統計、ナイーブベイズ分類器、決定木、アンサンブル学習

様々な組織でデータ活用が進んでおり，単一組織のデータだけでなく組織を横断してデータを連携することで，より多面的な知見が得られると期待される．そのような活用方法の1つとして，組織を横断してデータが分散した状態で機械学習モデルを構築する連合学習がある．安全に連合学習を行うため局所差分プライバシを適用した学習が行われているが，この方法では差分プライバシのノイズの影響でモデルの精度が低下するという課題がある．それに対して，差分プライバシのノイズの影響を低減する手法として，秘密計算とTEEを用いて安全な方法で組織横断で差分プライバシが適用されたクロス集計表を作成し，そのクロス集計表から機械学習モデルを学習する方法が提案されている．しかしながら，検証されているモデルがナイーブベイズ分類器に限られていたり，検証に利用したデータセットが1つに限定されているなど課題があった．そこで本論文では，安全な方法で作成されたクロス集計表から学習できる機械学習モデルを決定木およびアンサンブル学習に拡張する手法を提案し，複数データセットでの評価を通して提案手法の有効性を確認した．