文献

J-GLOBAL ID：202002258667798847   整理番号：20A0436783

個人の人口統計学的データ保護による分散公平機械学習フレームワーク【JST・京大機械翻訳】

A Distributed Fair Machine Learning Framework with Private Demographic Data Protection

著者 (4件)： Hu Hui (University of Wyoming) ,  Liu Yijun (University of Wyoming) ,  Wang Zhen (University of Wyoming) ,  Lan Chao (University of Wyoming)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICDM  ページ： 1102-1107  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 公正な機械学習は広い社会的影響を持つ重要な研究課題になっている。しかし,ほとんどの公平な学習法は,個人の人口統計学的データへの直接アクセスを必要とし,それは,ユーザプライバシー(例えばEU一般データ保護規制)を保護するための使用にますます制限されている。本論文では,人口統計学的データのプライバシーを保護するための分散公平学習フレームワークを提案した。著者らは,このデータが,人口統計学的情報を明らかにすることなく,データセンター(モデル開発に責任がある)と通信できる第3パーティによって,個人的に開催されると仮定する。このフレームワークの下で公平な学習法を設計するために,4つの方法を例証し,2つの実世界データセットを通して,公平性と精度の両方において,それらの既存の対応物より一貫して優れていることを示した。著者らは理論的にフレームワークを分析して,それが高い公平性または高い精度を有するモデルを学習することができることを証明して,それらのトレードオフを閾値変数によってバランスさせた。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： プライバシー ,  *データ保護 ,  データセンタ ,  *学習 ,  公平性 ,  *機械学習
準シソーラス用語： モデル開発 ,  統計情報 ,  ランダムアクセス ,  *人口統計学 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 個人 ,  人口統計学 ,  機械学習 ,  フレームワーク