プライバシー

ヘルスケア

EHR-Safe:プライバシー保護のために医療記録を合成して学習用データを生成(2/2)

1.EHR-Safe:プライバシー保護のために医療記録を合成して学習用データを生成(2/2)まとめ ・EHR-Safeの忠実度は3つの指標から計測し、いずれも高い性能である事がわかった ・プライバシーに関する堅牢性も3つの攻撃手法を用い...
ヘルスケア

EHR-Safe:プライバシー保護のために医療記録を合成して学習用データを生成(1/2)

1.EHR-Safe:プライバシー保護のために医療記録を合成して学習用データを生成(1/2)まとめ ・電子健康記録を機械学習で学習させる事は患者ケアなどに多大な可能性がある ・しかし、データのプライバシーを確保しながら学習させる事は簡単...
プライバシー

Connect the Dots:差分プライバシーのより効率的なプライバシーコスト推定(2/2)

1.Connect the Dots:差分プライバシーのより効率的なプライバシーコスト推定(2/2)まとめ ・Connect-the-Dotsは離散化して戻す事で効率的な計算を行うアルゴリズム ・Connect-the-Dotsは先行実...
プライバシー

Connect the Dots:差分プライバシーのより効率的なプライバシーコスト推定(1/2)

1.Connect the Dots:差分プライバシーのより効率的なプライバシーコスト推定(1/2)まとめ ・差分プライバシーはプライバシーを保証した上で分析や機械学習を可能にする ・差分プライバシーでは個々のアルゴリズムを合成した際の...
プライバシー

匿名化した確率的勾配降下法で広告の効果測定を行う(2/2)

1.匿名化した確率的勾配降下法で広告の効果測定を行う(2/2)まとめ ・バッチサイズはノイズの量の削減などDP-SGDの学習の様々な側面に影響する ・大きなサイズのバッチ学習によりプライベートモデルの有用性が大幅に向上する ・DP-S...
プライバシー

匿名化した確率的勾配降下法で広告の効果測定を行う(1/2)

1.匿名化した確率的勾配降下法で広告の効果測定を行う(1/2)まとめ ・プライバシーと使い勝手の良さを両立するMLアルゴリズムが求められている ・最も広く使われているアルゴリズムはDP-SGDと呼ばれるSGDの拡張版 ・DP-SGDは...
プライバシー

LabelDP:秘匿対象をラベルに限定する事で差分プライバシーの精度を向上(2/2)

1.LabelDP:秘匿対象をラベルに限定する事で差分プライバシーの精度を向上(2/2)まとめ ・RR-with-priorは事前確率を使う事で予測の精度を大幅に増加させる ・経験的実験でもLabelDPがモデルの実用性を大幅に向上させ...
プライバシー

LabelDP:秘匿対象をラベルに限定する事で差分プライバシーの精度を向上(1/2)

1.LabelDP:秘匿対象をラベルに限定する事で差分プライバシーの精度を向上(1/2)まとめ ・米国国勢調査も採用している差分プライバシーは製品を実世界に展開する際に良く使われる ・差分プライバシーを使うとシステムがプライバシーをどの...
プライバシー

厳密な差分プライバシー保証を持つ連合学習(3/3)

1.厳密な差分プライバシー保証を持つ連合学習(3/3)まとめ ・米国国勢調査より強い基準のFLモデルを本番環境に配備するという成果を達成した ・他のMLモデルや製品でも実用的で利用可能であるとはまだ言えず研究は続く ・ユーザーの潜在的...
プライバシー

厳密な差分プライバシー保証を持つ連合学習(2/3)

1.厳密な差分プライバシー保証を持つ連合学習(2/3)まとめ ・多くの外部要因によって利用可能なデバイスの数が大幅に変化し得るので困難であった ・学習に参加可能な端末が少ないとランダム性がないためプライバシーが緩まる事になる ・累積和...
プライバシー

厳密な差分プライバシー保証を持つ連合学習(1/3)

1.厳密な差分プライバシー保証を持つ連合学習(1/3)まとめ ・連合学習は学習データをデバイスに残したままモデルの学習が可能でプライシー重視 ・ユーザーデータを使って学習するモデルにとって重要なもう一つの原則は匿名化処理 ・差分プライ...
プライバシー

差分プライバシーを使って大規模な画像分類モデルを学習(2/2)

1.差分プライバシーを使って大規模な画像分類モデルを学習(1/2)まとめ ・差分プライバシーのプライバシーと実用性の両立は様々な工夫が必要となる ・フルバッチトレーニングと公開データを使った転移学習を組み合わせた ・DP-SGDはJA...
タイトルとURLをコピーしました