文献

J-GLOBAL ID：202202278264522185   整理番号：22A1169772

訓練サポートベクトルマシンのための差分プライベート特異値分解【JST・京大機械翻訳】

Differentially Private Singular Value Decomposition for Training Support Vector Machines

著者 (4件)： Sun Zhenlong (College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China) ,  Sun Zhenlong (College of Computer and Control Engineering, Qiqihar University, Qiqihar 161006, China) ,  Yang Jing (College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China) ,  Li Xiaoye (College of Computer and Control Engineering, Qiqihar University, Qiqihar 161006, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： サポートベクトルマシン(SVM)は,機械学習における効率的分類方法である。SVMの伝統的分類モデルは,敏感な情報が訓練データセットに含まれるとき,個人プライバシーに対して大きな脅威を引き起こすかもしれない。主成分分析(PCA)は,マトリックスAの分散をできるだけ多く捉えながら,低次元部分空間にインスタンスを投影できる。主成分分析,固有値分解(EVD)および特異値分解(SVD)を実行するためにPCAを使用する2つの一般的アルゴリズムがある。EVDと比較したSVDの主な利点は,共分散の行列を計算する必要がないことである。本研究では,SVM分類器のプライバシー漏洩を防止するために,新しい差分プライベートSVDアルゴリズム(DPSVD)を提案した。DPSVDは,特異部分空間の投影インスタンスがSVMを訓練するのに,元のインスタンスのプライバシーを開示しないで直接使用できる,一組の私的特異ベクトルを生成する。DPSVDが理論で微分プライバシーを満たすことを証明した後,いくつかの実験を行った。実験結果は,著者らの方法がSVMを訓練するために使用される他の既存の民間PCAアルゴリズムと比較して,異なる実際のデータセットに関してより高い精度とより良い安定性を達成することを確認した。Copyright 2022 Zhenlong Sun et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  行列 ,  分類 ,  共分散 ,  微分 ,  数学的変換 ,  主成分分析 ,  機械学習 ,  *特異値分解 ,  *サポートベクトルマシン
準シソーラス用語： 固有値分解 ,  訓練データ ,  特異ベクトル ,  部分空間 ,  低次元 ,  分類モデル ,  SVM分類 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (36件)：

• C. J. C. Burges, "A tutorial on support vector machines for pattern recognition," Data Mining and Knowledge Discovery, vol. 2, no. 2, pp. 121-167, 1998.
• K.-P. Lin, M.-S. Chen, "On the design and analysis of the privacy-preserving SVM classifier," IEEE Transactions on Knowledge and Data Engineering, vol. 23, no. 11, pp. 1704-1717, 2011.
• C. Dwork, "Differential privacy," Automata, Languages and Programming Proceedings of the 33th Colloquium on Automata, Languages and Programming, pp. 1-12, Venice, Italy, July 2006.
• C. Liu, J. Yang, W. Zhao, Y. Zhang, C. Shi, F. Miao, J. Zhang, "Differential privacy protection of face images based on region growing," Traitement du Signal, vol. 38, no. 5, pp. 1385-1401, 2021.
• J. Yu, "Design of a privacy-preserving algorithm for peer-to-peer network based on differential privacy," Ingénierie des Systèmes d'Information, vol. 24, no. 4, pp. 433-437, 2019.

タイトルに関連する用語 (4件)： 訓練 ,  サポートベクトルマシン ,  差分 ,  特異値分解