秘密計算による正則化線形回帰分析

• 深見, 匠

• 三品, 気吹

• 五十嵐, 大

書誌事項

タイトル別名

• Regularized Linear Regression Analysis in Secure Computation

抄録

多種多様なデータから知見を取り出す手法として機械学習が普及してきており、機密性の高いデータを持ち寄って解析するニーズも生じつつある。そこで機械学習で用いられるデータの秘匿性を確保するため、暗号化したまま学習を行う秘密計算を用いた機械学習が注目されている。機械学習手法は様々存在するが、高次元なデータにおいて、変数選択と正則化をしつつ、回帰による予測を提供するLasso、ElasticNetは様々な分野で用いられている手法である。しかし、当手法を秘密計算上で実装された前例はなく、本研究でその実装評価を行った。<br>Lasso、ElasticNetのパラメータ更新では平文演算に比べ処理コストが高い秘密計算演算が多用されるため、性能の確保が課題となった。本研究では、課題解決のためボトルネックとなるSoft-Thresholding関数を数bitで行えるように軽量化し、秘密計算上でのLasso、ElasticNetの実装可能性と現実的な処理コストでの演算可能性を確認した。

Machine learning is becoming more and more popular as a method to extract findings from a wide variety of data, There is also a need to bring in highly sensitive data for analysis. Therefore, cryptographic machine learning using cryptography has attracted attention to ensure the confidentiality of the data used in machine learning. Although various machine learning methods exist, Lasso regression and ElasticNet are used in various fields to provide predictions by regression while selecting and normalizing variables in high-dimensional data. However, there has been no precedent for secretly calculating these methods, and this study implements and evaluates the implementation of these methods.

収録刊行物

• コンピュータセキュリティシンポジウム2020論文集

  コンピュータセキュリティシンポジウム2020論文集 1158-1163, 2020-10-19

キーワード

• 秘密計算，プライバシー保護　，機械学習，線形回帰

詳細情報

• CRID: 1050292572093769472
• NII論文ID: 170000183935
• Web Site: http://id.nii.ac.jp/1001/00208486/
• 本文言語コード: ja
• 資料種別: conference paper
• データソース種別:
  • IRDB
  • CiNii Articles