トピック: Differential Privacy

全セクション横断 7 件

Ene氏とNguyen氏が、ガウス型データ向けに固有値の間隔を仮定しない差分プライバシー付きPCAのアルゴリズムを示した。個人データ分析の適用条件を緩める研究である。

ロボットなど身体性を持つ強化学習エージェントが送る方策勾配から、非公開の観測と行動の時系列を高速に復元する攻撃手法TRACEが提案された。生データを端末に残す分散学習のプライバシー前提を揺るがす成果である。

米研究者が差分プライバシーを補完する新指標「予測可能性」を提唱した。攻撃者の知識水準に応じた細粒度の設計により、プライバシー保護と分析精度の両立が従来比で向上する可能性がある。

米研究者らが差分プライバシーの弱点を補う「予測可能性」という新たなプライバシー計量フレームワークを発表した。データ活用精度を維持しつつ個人情報保護を実現できる可能性があり、金融・医療・マーケティング分野に広く影響する。

プライバシー保護技術として普及する差分プライバシー付き連合学習が、逆に悪意ある攻撃を隠蔽する手段として悪用される脆弱性が実証された。金融・医療など機密データを扱う業界のAI導入戦略に再考を迫る研究である。

患者データを施設外に持ち出さず複数病院が協調してAIモデルを訓練する「連合学習」システムが、治験への患者登録率を34%向上させた。新薬開発の長期化・高コスト化に悩む製薬業界に実用的な突破口を提供する。

社内コミュニケーションのテキスト分析により、従業員の離職リスクを3ヶ月前に85%の精度で予測する手法が報告された。