抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
連合学習(FL)は,分散参加者が,それらの個人データを互いに明らかにすることなしに,グローバルモデルを協調的に学習することを可能にする。最近,参加者が同一セットのサンプルを保持するが,異なる特徴を持つ垂直FLは,ますます注目を集めている。本論文は,最初に,1つのラベル推論攻撃方式を提示して,垂直ロジスティック回帰モデルの潜在的プライバシー漏洩を研究した。特に,攻撃者は,局所データセットと受信解読勾配により構築された線形方程式のシステムを解くことにより計算され,プライベートに所有されたラベルを推論するために,残差変数を利用することができることを発見した。これに対処するために,著者らは次に,攻撃を防ぎ,垂直ロジスティック回帰のロバスト性を改善するために,局所微分プライバシーとホモモルフィック暗号化技術を利用する,付加的雑音機構,乗法的雑音機構,およびハイブリッド機構という3つの保護機構を提案する。実験結果は,付加的ノイズ機構と乗法的ノイズ機構の両方が,モデル試験精度においてわずかな低下だけによって効率的ラベル保護を達成することができて,さらに,ハイブリッド機構は試験精度劣化なしでラベル保護を達成することができて,それは著者らの保護技術の有効性と効率性を実証した。【JST・京大機械翻訳】