Google、「差分プライバシーライブラリ」をGitHubで公開
米Googleは9月5日（現地時間）、自社サービスの強化に使っている「differential privacy library」（差分プライバシーライブラリ）のオープンソース版をGitHubで公開した。 差分プライバシーを使うデータ分析は、個人データが識別されないようにしながら大規模なデータセットから学習できるようにするアプローチ。分析の結果から個人データを再識別することもできないよう保護できる。例えばヘルスケア分野で、様々な病院の患者の入院平均時間を比較したい場合、患者を個人として特定できない状態でデータを利用できる。 ライブラリはほとんどの一般的なデータサイエンス操作をサポートし、プライバシー保護を確実にするための「確率的差分プライバシーモデルチェッカーライブラリ」を含み、集約機能、プライバシー予算管理などの拡張用モジュールもある。 Googleは、例えばGoogleマップで検索したレ
［個人情報保護法改正3］識別子ごとに異なるプライバシーへの影響度、履歴の扱いにも注意
パーソナルデータに関する検討会では、プライバシーを保護しつつ個人データを活用する方策を議論した。ただし、データごとに個人の特定しやすさなどによって扱いが異なり、盲点も存在する。各種データをひもづける識別子のほか、Web行動履歴、購買履歴について、注意点と活用のポイントを整理する。 識別子（ID）：種類で異なる保護レベル 大量の情報を扱うデジタルの世界では、個人に対して番号や記号による識別子（ID）が振られて、様々なデータがひも付けられる。識別子は一般に、利用期間が長く利用範囲が広いほど、プライバシーへの影響度が高い（図1）。図の右上に位置するほど、ひも付けられるデータが増え、保護が必要になる。「個人特定性低減データ」の作成時には、識別子の保護レベルを考慮し、提供先に別の識別子を渡すか省くかを判断する必要がある。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
