Home » リソース » 私のブックマーク » 【記事更新】私のブックマーク「機械学習のプライバシーとセキュリティ(Privacy and security issues in machine learning)」 荒井ひろみ(理化学研究所 革新知能統合センター (AIP) ) はじめに 機械学習は近年様々なアプリケーションに使われています.その中には購買履歴や移動履歴,診療情報などの個人にまつわるデータを学習に用いるケースも多く存在します.そのデータ提供者のプライバシー保護は重要な課題です.また,学習モデル自体を知的財産として秘匿させつつも,そのモデルを用いた予測結果をサービスとして使いたいようなケースも想定されます.このような場合のプライベートな情報の漏洩の可能性や保護の方法の検討事例について紹介します. また機械学習におけるセキュリティも学習モデルを安全に利用するために重要な課題で
はじめに こんにちは.NTTドコモ先進技術研究所2年目の田中です.ドコモ先進技術研究所Advent Calendarの発起人で,業務では こんなこと や こんなこと の研究をしています.ただ,この辺の本業に関する技術的な事は大人の事情で簡単には記事にできないので,今回は全く別の(とは言っても機械学習に関する)話題で記事を書きたいと思います. 今回記事するのは,機械学習のセキュリティに関する話です.「機械学習を使ってマルウェア検知をしましょう」とかではなく,「機械学習の」セキュリティです. 弊社も含めた多くの企業で,機械学習を使った多くのサービスが提供されていますが,この機械学習によって作られた classifier や regressor (以下,モデルと呼びます) そのものに,セキュリティ上の問題があるのではないかと指摘されています.今回は,こういったモデルのセキュリティ上の問題について
NEDOと筑波大学は、複数の企業・機関がそれぞれ保有するデータに対して、互いにアクセスせずに統合的に解析する人工知能(AI)技術「データコラボレーション解析」を開発しました。 AIによる解析の精度を上げるには十分な数のデータを集めることが必要です。本技術は、各企業・機関が保有するプライバシー情報などを含む元データの代わりに、元データをAI技術により変換した「中間表現データ」のみを共有する仕組みです。これにより、元データに含まれる秘匿性の高い情報の安全性を担保しつつ、多数のデータの取り扱いが可能となることでAIの解析精度の大幅な向上を実現します。 具体的な応用例として、医療分野における生活習慣病データの解析による疾患予測をはじめ、企業間や企業内での生産・開発データ解析による生産性向上、複数教育機関による学生データの統合解析に基づく教育効果増進があります。また、将来的には、様々な機関にある質の
米国メーン州のミルブルック川を遡上するニシン科の魚、エールワイフ。春になると産卵のためにハイランド湖をめざす。(Photograph by Brian Skerry) 6月初旬、私はシュノーケルを身に付け、米国メーン州の森を流れるミルブルック川の冷たい水中を漂っていた。銀色の美しい魚たちが私の体にぶつかってくる。ポートランドの市街地から10キロと離れていないこの川では、ニシン科の魚エールワイフがハイランド湖へ遡上する18キロの旅の途中だ。 体長25センチほどのエールワイフは、側面に硬いうろこをもつことから「ソーベリー(のこぎり腹)」とも呼ばれる。彼らは海で4年ほど過ごした後、生まれた場所へと戻る。今、川にある滝の下に集まっているこのエールワイフたちは、ハイランド湖までの残り約5キロメートルを上っていくために、次の雨で川の水量が増すのを待っているところだ。
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
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