WO2022264372A1 - モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム - Google Patents

モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム Download PDF

Info

Publication number
WO2022264372A1
WO2022264372A1 PCT/JP2021/023077 JP2021023077W WO2022264372A1 WO 2022264372 A1 WO2022264372 A1 WO 2022264372A1 JP 2021023077 W JP2021023077 W JP 2021023077W WO 2022264372 A1 WO2022264372 A1 WO 2022264372A1
Authority
WO
WIPO (PCT)
Prior art keywords
model
data
secure
shares
predetermined
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2021/023077
Other languages
English (en)
French (fr)
Inventor
慧 高橋
聡 長谷川
尭之 三浦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2023528890A priority Critical patent/JP7662034B2/ja
Priority to PCT/JP2021/023077 priority patent/WO2022264372A1/ja
Publication of WO2022264372A1 publication Critical patent/WO2022264372A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09C—CIPHERING OR DECIPHERING APPARATUS FOR CRYPTOGRAPHIC OR OTHER PURPOSES INVOLVING THE NEED FOR SECRECY
    • G09C1/00—Apparatus or methods whereby a given sequence of signs, e.g. an intelligible text, is transformed into an unintelligible sequence of signs by transposing the signs or groups of signs or by replacing them by others according to a predetermined system

Definitions

  • the present invention relates to a model generation system, a secure computing device, an analysis device, a model generation method, and a program for performing analysis without disclosing confidential information to analysts.
  • Non-Patent Documents 1 and 2 In an environment where data distribution and utilization have become active, data owned by multiple organizations are linked, and after eliminating the barriers between each organization, predictive models are built using AI (Artificial Intelligence), regression analysis, etc. etc. is expected. At that time, the use of secure computation technology disclosed in Non-Patent Documents 1 and 2 is attracting attention as a means of preventing information leakage between organizations.
  • a method called anonymous synthetic data generation technology is also known, in which pseudo data is generated using statistical values generated from data disclosed in Non-Patent Document 3 as input.
  • Non-Patent Documents 1 and 2 In order to generate synthetic data by linking data from multiple organizations, data is acquired in plaintext, a table is created by combining the data held by each organization, and the necessary We need to look for statistics. SUMMARY OF THE INVENTION It is an object of the present invention to provide a prediction model generation technique that reduces processing costs while maintaining data confidentiality.
  • the model generation system of the present invention includes statistical value secure calculation means, a synthetic data generation unit, and a model generation unit.
  • N is a predetermined integer of 3 or more.
  • the statistical value secure calculation means receives N shares of predetermined data as input, obtains a predetermined statistical value using secure calculation, and outputs the plaintext of the statistical value.
  • the synthetic data generation unit generates synthetic data, which is pseudo data having the same statistical value as the statistical value.
  • a model generator generates a prediction model using the synthetic data.
  • the input to the statistical value secure calculation means is the share of the data, so the data itself can be kept confidential.
  • the statistical value secure calculation means outputs the statistical value in plain text, and the synthetic data and the prediction model are generated in plain text, the processing cost can be suppressed.
  • the figure which shows the functional structural example of the model generation system of this invention The figure which shows the processing flow which carries out secret sharing of the share of the data which the data provision apparatus has recorded. The figure which shows the processing flow which produces
  • FIG. 1 shows an example of the functional configuration of the model generation system of the present invention.
  • FIG. 2 is a diagram showing a processing flow for secret sharing of data shares recorded by a data providing device.
  • FIG. 3 is a diagram showing a processing flow for generating a prediction model.
  • N is a predetermined integer of 3 or more
  • n is an integer of 1 or more and N or less
  • K is a predetermined integer of 2 or more and N or less
  • M is an integer of 1 or more
  • m is 1 or more of M or less. be an integer.
  • the model generating system 10 is connected via a network 900 to data providing devices 300 1 , . . . , 300 M existing inside or outside.
  • the data providing device 300m includes a data recording unit 390m in which data is recorded and a data providing unit 310m .
  • the data providing device 300m is a database or the like held by an organization (company, government, etc.) that provides data, and data is recorded in a data recording unit 390m .
  • the data providing unit 310 m generates N shares and provides the shares to the model generation system 10 (S311 m ).
  • a "share" is a fragment of data, and has the characteristic that data can be restored when K shares or more are acquired, but data cannot be restored from shares less than K (the secret is not leaked). Details of shares are shown in Non-Patent Documents 1 and 2, and the like.
  • the model generation system 10 includes secure computing devices 100 1 , . . . , 100 N and an analysis device 200 connected via a network 900 .
  • the secure computing device 100n includes a statistical value secure computing unit 110n and a share recording unit 190n .
  • the statistical value secure calculation unit 110 n receives one of N shares of predetermined data as an input, and calculates a predetermined statistical value share through secure calculation in cooperation with the other secure computing devices 100 1 , . . . , 100 N. ask for one of Details of the secure computation technology are shown in Non-Patent Documents 1 and 2 and the like.
  • the share recording unit 190n records shares acquired from the data providing devices 3001 , . As shown in FIG.
  • the data providing device 300 m that holds the data necessary for generating the prediction model generates N shares, and the shares to the model generation system 10 .
  • the secure computing device 100n acquires one of the N shares of data and records it in the share recording unit 190n ( S101n ). More specifically, if the data providing devices 300 1 , . . . , 300 M individually transmit each share to the secure computing devices 100 1 , .
  • the data providing unit 310m may exist outside the data providing device 300m as long as it can be made anonymous.
  • the analysis device 200 includes a statistical value plaintext generation unit 210 , a synthesized data generation unit 220 , a model generation unit 230 and an analysis recording unit 290 .
  • the statistical value plaintext generation unit 210 acquires K or more shares of a predetermined statistical value obtained using secure calculation, and generates plaintext of the predetermined statistical value (S210).
  • the synthetic data generation unit 220 generates synthetic data, which is pseudo data having the same statistical value as the statistical value (S220).
  • the model generator 230 generates a prediction model using the synthesized data (S230).
  • the analysis device 200 is shown as a separate device from the secure computing devices 100 1 , . . . , 100 N in FIG.
  • the model generation system 10 includes a statistical value secure calculation means 110 , a synthetic data generation section 220 and a model generation section 230 .
  • Synthetic data generator 220 and model generator 230 are provided in analysis device 200 .
  • the statistical value secure calculation means 110 is composed of the statistical value secure calculation units 110 1 , .
  • Statistical value secure calculation means 110 receives N shares of predetermined data as input, obtains a predetermined statistic value using secure calculation, and outputs the plaintext of the statistic value (S110). More specifically, the statistical value secure calculation unit 110 n receives one of N shares of predetermined data as an input, and the statistical value secure calculation units 110 of the other secure computing devices 100 1 , . .
  • the statistical value plaintext generation unit 210 acquires K or more shares of a predetermined statistical value obtained using secure calculation, and generates plaintext of the predetermined statistical value (S210). Steps 110 1 , . . . , 110 N and S210 constitute a statistical value secure calculation step (S110).
  • the synthetic data generation unit 220 generates synthetic data, which is pseudo data that has the same statistical value as the statistical value output by the statistical plaintext generation unit 210 (S220).
  • the model generator 230 generates a prediction model using the synthesized data (S230).
  • Synthetic data generation (S220) may use the technology disclosed in Non-Patent Document 3.
  • An existing technique may be used to generate the prediction model (S230).
  • the prediction model may be a trained model trained using synthetic data as teacher data, or a model obtained by regression analysis. A prediction model may be appropriately selected according to the event to be predicted.
  • the model generation system 10 since the input to the statistical value secure calculation means 110 is the share of the data, the data itself can be made confidential. In addition, since the statistical value secure calculation means 110 outputs statistical values in plaintext, and generation of synthetic data and generation of prediction models are performed in plaintext, processing costs can be suppressed. Furthermore, since the number of calculations using the secure calculation technology is reduced, it is possible to reduce the restrictions on the calculations that can be performed using the secure calculation technology.
  • the data providing device 3001 holds an identifier that identifies an individual (for example, a number that identifies an individual) and purchase amount data
  • the data providing device 3002 stores an identifier that identifies an individual and data on gender.
  • the secure computing devices 100 1 , . 1 , ..., S101N ).
  • the statistical value secure calculation units 110 1 , . 1 , ..., S110N ).
  • the statistical value plaintext generation unit 210 acquires K or more shares of statistical values for each gender obtained using secure calculation, and generates plaintext of statistical values for each gender (S210).
  • the synthetic data generation unit 220 generates synthetic data, which is pseudo data having the same statistical value as the generated statistical value (S220).
  • the model generator 230 generates a prediction model using the synthesized data (S230). By linking the data of the data providing device 300-1 and the data of the data providing device 300-2 , it is possible to generate a prediction model for each gender, so that the prediction accuracy is improved more than the prediction model using only the data of the data providing device 300-1. can.
  • FIG. 4 is a diagram showing a processing flow for secret sharing of a prediction model share recorded by an analysis device and a data share recorded by a data providing device.
  • FIG. 5 is a diagram showing a processing flow for updating a prediction model.
  • the secure computing device 100 n also includes a model updating secure computing unit 150 n
  • the analyzing device 200 also includes a model providing unit 240 and a model plaintext generating unit 250 .
  • the model providing unit 240 transmits information on existing prediction models (prediction models recorded by the analysis recording unit 290) to the secure computing devices 100 1 , . . . , 100 N (S240).
  • "Information about the forecast model” can be the forecast model itself or one of the N shares of the forecast model.
  • the data providing device 300 m that holds the additional data necessary for generating the prediction model generates N shares of the additional data and provides the shares to the model generating system 10 (S312 m ).
  • the secure computing device 100n acquires information about the prediction model and one of the N shares of the additional data, and records it in the share recording unit 190n ( S102n ). If the data providing devices 300 1 , .
  • the model update secure calculation unit 150 n receives information on the prediction model and one of the N shares of the predetermined additional data as input, and the model update secure calculation units of the other secure computing devices 100 1 , . . . , 100 N
  • the share of the updated prediction model is obtained by secure computation in cooperation with 150 1 , . . . , 150 N (S150 n ).
  • the model plaintext generation unit 250 acquires K or more shares of the prediction model updated using secure calculation, and generates plaintext of the updated prediction model (S250).
  • the model update secure computation means 150 is composed of model update secure computation units 150 1 , .
  • the model update secure calculation means 150 receives an existing prediction model and N shares of predetermined additional data as inputs, and updates the prediction model using secure calculation (S150).
  • Steps 150 1 , . . . , 150 N and S250 constitute a model update secret calculation step (S150). More specifically, it may be updated by the algorithm shown in Non-Patent Document 1 or the like. Alternatively, the prediction model can be updated by regression analysis with additional data.
  • the input to the model update secure calculation means 150 is the share of the additional data, so the prediction model can be updated while keeping the additional data itself confidential.
  • the data itself can be kept confidential and the processing cost can be suppressed.
  • the calculations required to update the prediction model are limited to those that can be performed with secure computation technology.
  • the data providing device 3001 holds an identifier that identifies an individual (for example, a number that identifies an individual) and purchase amount data
  • the data providing device 3002 stores an identifier that identifies an individual and data on gender. I have. Then, assuming that there are a prediction model for men and a prediction model for women generated in the prediction model generation processing flow, the data providing device 3001 obtains an identifier identifying the individual and the purchase amount obtained after the prediction model generation. It is assumed that additional data is held, and the data providing device 3002 holds additional data of an identifier for specifying an individual and gender.
  • the model update secure calculation units 150 1 , . 1 , ..., S150N acquires K or more shares of the updated prediction model for each gender using secure calculation, and generates the plaintext of the updated prediction model for each gender (S250).
  • the prediction model for each sex can be updated with the additional data, so that the accuracy of prediction can be improved.
  • a program that describes this process can be recorded on a computer-readable recording medium.
  • Any computer-readable recording medium may be used, for example, a magnetic recording device, an optical disk, a magneto-optical recording medium, a semiconductor memory, or the like.
  • this program is carried out, for example, by selling, assigning, lending, etc. portable recording media such as DVDs and CD-ROMs on which the program is recorded.
  • the program may be distributed by storing the program in the storage device of the server computer and transferring the program from the server computer to other computers via the network.
  • a computer that executes such a program for example, first stores the program recorded on a portable recording medium or the program transferred from the server computer once in its own storage device. Then, when executing the process, this computer reads the program stored in its own recording medium and executes the process according to the read program. Also, as another execution form of this program, the computer may read the program directly from a portable recording medium and execute processing according to the program, and the program is transferred from the server computer to this computer. Each time, the processing according to the received program may be executed sequentially. In addition, the above-mentioned processing is executed by a so-called ASP (Application Service Provider) type service, which does not transfer the program from the server computer to this computer, and realizes the processing function only by its execution instruction and result acquisition. may be It should be noted that the program in this embodiment includes information that is used for processing by a computer and that conforms to the program (data that is not a direct instruction to the computer but has the property of prescribing the processing of the computer, etc.).
  • ASP
  • the device is configured by executing a predetermined program on a computer, but at least part of these processing contents may be implemented by hardware.
  • model generation system 100 n secure computing device 110 statistical value secure computing means 110 n statistical value secure computing unit 150 model updating secure computing means 150 n model updating secure computing unit 190 n share recording unit 200 analyzing device 210 statistical value plaintext generating unit 220 Synthetic data generating unit 230 Model generating unit 240 Model providing unit 250 Model plaintext generating unit 290 Analysis recording unit 300 m Data providing device 310 m Data providing unit 390 m Data recording unit 900 Network

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本発明のモデル生成システムは、統計値秘密計算手段、合成データ生成部、モデル生成部を備える。Ｎはあらかじめ定めた３以上の整数とする。統計値秘密計算手段は、あらかじめ定めたデータのＮ個のシェアを入力とし、所定の統計値を、秘密計算を用いて求め、統計値の平文を出力する。合成データ生成部は、前記統計値と同じ統計値となる疑似のデータである合成データを生成する。モデル生成部は、合成データを用いて予測モデルを生成する。

Description

モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム
　本発明は、分析者に機密情報を開示することなく分析を行うためのモデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラムに関する。
　データの流通、活用が活発になった環境では、複数の組織が有するデータを連携させ、各組織の垣根をなくした上でＡＩ（Artificial Intelligence）、回帰分析などを用いた予測モデルが構築されることなどが期待される。その際には、各組織間での情報漏洩を防ぐ手段として、非特許文献１，２に開示された秘密計算技術の活用が着目されている。また、データ活用の別のアプローチとして、非特許文献３に開示されたデータから生成される統計値を入力として擬似データを生成する匿名合成データ生成技術という手法も知られている。
三品気吹, 濱田浩気, 五十嵐大, "平文上の処理ロジックを再現した秘密計算ディープラーニング", FIT2019(第18回情報科学技術フォーラム), 第2分冊, pp.81-88 (2019). 五十嵐大, 濱田浩気, 菊池亮, 千田浩司, "超高速秘密計算ソートの設計と実装：秘密計算がスクリプト言語に並ぶ日", CSS2017,  pp.600-607 (2017). 岡田莉奈, 正木彰伍, 長谷川聡, 田中哲士, "統計値を用いたプライバシ保護擬似データ生成手法", CSS2017, pp.1366-1372(2017).
　しかしながら、非特許文献１，２に示された秘密計算技術をすべての処理に適用すると処理コストが大きくなるという問題がある。また、匿名合成データ生成技術において、複数組織のデータを連携して合成データを生成するためには、平文でデータを取得し、各組織が有するデータを結合したテーブルを生成したうえで、必要な統計値を求める必要がある。本発明は、このような問題に鑑みてなされたものであり、データの機密性を維持しながら処理コストを抑えた予測モデルの生成技術を提供することを目的とする。
　本発明のモデル生成システムは、統計値秘密計算手段、合成データ生成部、モデル生成部を備える。Ｎはあらかじめ定めた３以上の整数とする。統計値秘密計算手段は、あらかじめ定めたデータのＮ個のシェアを入力とし、所定の統計値を、秘密計算を用いて求め、統計値の平文を出力する。合成データ生成部は、前記統計値と同じ統計値となる疑似のデータである合成データを生成する。モデル生成部は、合成データを用いて予測モデルを生成する。
　本発明のモデル生成システムによれば、統計値秘密計算手段への入力は、データのシェアなので、データ自体を秘匿化できる。また、統計値秘密計算手段は統計値を平文で出力し、合成データの生成、予測モデルの生成は平文で行うので、処理コストを抑制できる。
本発明のモデル生成システムの機能構成例を示す図。 データ提供装置が記録しているデータのシェアを秘密分散する処理フローを示す図。 予測モデルを生成する処理フローを示す図。 分析装置が記録している予測モデルのシェアと、データ提供装置が記録しているデータのシェアを秘密分散する処理フローを示す図。 予測モデルを更新する処理フローを示す図。 コンピュータの機能構成例を示す図。
　以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
＜予測モデル生成＞
　図１に本発明のモデル生成システムの機能構成例を示す。図２は、データ提供装置が記録しているデータのシェアを秘密分散する処理フローを示す図である。図３は、予測モデルを生成する処理フローを示す図である。以下の説明では、Ｎはあらかじめ定めた３以上の整数、ｎは１以上Ｎ以下の整数、Ｋはあらかじめ定めた２以上Ｎ以下の整数、Ｍは1以上の整数、ｍは１以上Ｍ以下の整数とする。
　モデル生成システム１０は、ネットワーク９００を介して内部または外部に存在するデータ提供装置３００１，…，３００Ｍと接続されている。データ提供装置３００ｍは、データを記録したデータ記録部３９０ｍとデータ提供部３１０ｍを備える。データ提供装置３００ｍは、データを提供する組織（企業、行政など）が保有するデータベースなどであり、データはデータ記録部３９０ｍに記録されている。データ提供部３１０ｍは、Ｎ個のシェアを生成し、モデル生成システム１０にシェアを提供する（Ｓ３１１ｍ）。「シェア」とはデータの断片であり、Ｋ個以上のシェアを取得するとデータを復元できるが、Ｋ個未満のシェアからではデータは復元できない（秘密は漏れない）という特徴を有する。シェアに関する詳細は、非特許文献１，２などに示されている。
　モデル生成システム１０は、ネットワーク９００を介して接続された秘密計算装置１００１，…，１００Ｎと分析装置２００を備える。秘密計算装置１００ｎは、統計値秘密計算部１１０ｎ，シェア記録部１９０ｎを備える。統計値秘密計算部１１０ｎは、あらかじめ定めたデータのＮ個のシェアの１つを入力とし、他の秘密計算装置１００１，…，１００Ｎと協調した秘密計算によって、所定の統計値のシェアの１つを求める。秘密計算技術に関する詳細は、非特許文献１，２などに示されている。シェア記録部１９０ｎは、データ提供装置３００１，…，３００Ｍから取得したシェア、統計値秘密計算部１１０ｎが求めた統計値のシェアなどを記録する。図２に示すように、モデル生成システム１０が予測モデルを生成する際は、予測モデル生成に必要なデータを保有するデータ提供装置３００ｍがＮ個のシェアを生成し、モデル生成システム１０にシェアを提供する（Ｓ３１１ｍ）。秘密計算装置１００ｎは、データのＮ個のシェアの中の１つを取得し、シェア記録部１９０ｎに記録する（Ｓ１０１ｎ）。より具体的には、データ提供装置３００１，…，３００Ｍが、１つ１つのシェアを秘密計算装置１００１，…，１００Ｎに個別に送信すれば、データを秘匿化できる。ただし、秘匿化できるのであれば、データ提供部３１０ｍは、データ提供装置３００ｍの外部に存在してもよい。
　分析装置２００は、統計値平文生成部２１０，合成データ生成部２２０，モデル生成部２３０，分析記録部２９０を備える。統計値平文生成部２１０は、秘密計算を用いて求めた所定の統計値のシェアをＫ個以上取得し、所定の統計値の平文を生成する（Ｓ２１０）。合成データ生成部２２０は、前記統計値と同じ統計値となる疑似のデータである合成データを生成する（Ｓ２２０）。モデル生成部２３０は、合成データを用いて予測モデルを生成する（Ｓ２３０）。なお、分析装置２００は、図１では秘密計算装置１００１，…，１００Ｎとは別の装置として示しているが、いずれかの秘密計算装置１００ｎが分析装置２００を兼ねてもよい。
　図１と図３を参照しながら、予測モデルを生成する処理フローを説明する。モデル生成システム１０は、統計値秘密計算手段１１０、合成データ生成部２２０、モデル生成部２３０を備える。合成データ生成部２２０とモデル生成部２３０は、分析装置２００が備えている。統計値秘密計算手段１１０は、各秘密計算装置１００１，…，１００Ｎが備える統計値秘密計算部１１０１，…，１１０Ｎと分析装置２００が備える統計値平文生成部２１０で構成される。統計値秘密計算手段１１０は、あらかじめ定めたデータのＮ個のシェアを入力とし、所定の統計値を、秘密計算を用いて求め、統計値の平文を出力する（Ｓ１１０）。より具体的には、統計値秘密計算部１１０ｎは、あらかじめ定めたデータのＮ個のシェアの１つを入力とし、他の秘密計算装置１００１，…，１００Ｎの統計値秘密計算部１１０１，…，１１０Ｎと協調した秘密計算によって、所定の統計値のシェアの１つを求める（Ｓ１１０１，…，１１０Ｎ）。「統計値」とは、属性ごとの平均、分散共分散などとすればよいが、これらに限定されない。予測モデル生成に必要な統計値を適宜選べばよい。統計値平文生成部２１０は、秘密計算を用いて求めた所定の統計値のシェアをＫ個以上取得し、所定の統計値の平文を生成する（Ｓ２１０）。ステップ１１０１，…，１１０ＮとＳ２１０で、統計値秘密計算ステップ（Ｓ１１０）は構成される。
　合成データ生成部２２０が、統計値平文生成部２１０が出力した統計値と同じ統計値となる疑似のデータである合成データを生成する（Ｓ２２０）。モデル生成部２３０は、合成データを用いて予測モデルを生成する（Ｓ２３０）。合成データの生成（Ｓ２２０）は、非特許文献３に示された技術を利用すればよい。予測モデルの生成（Ｓ２３０）は、既存の技術を利用すればよい。例えば、予測モデルは、合成データを教師データとして学習した学習済みモデルでもよいし、回帰分析によって得られたモデルでもよい。予測したい事象に応じて予測モデルは適宜選択すればよい。
　モデル生成システム１０によれば、統計値秘密計算手段１１０への入力は、データのシェアなので、データ自体を秘匿化できる。また、統計値秘密計算手段１１０は統計値を平文で出力し、合成データの生成、予測モデルの生成は平文で行うので、処理コストを抑制できる。さらに、秘密計算技術を利用する演算を少なくしているので、秘密計算技術で実施可能な演算の制限を受けにくくできる。
　例えば、データ提供装置３００１が、個人を特定する識別子（例えば、個人を特定する番号など）と購買額のデータを保有し、データ提供装置３００２が、個人を特定する識別子と性別のデータを保有しているとする。秘密計算装置１００１，…，１００Ｎが、データ提供装置３００１から識別子と購買額のシェアを取得し、データ提供装置３００２から識別子と性別のシェアを取得する（Ｓ３１１１，Ｓ３１１２，Ｓ１０１１，…，Ｓ１０１Ｎ）。そして、統計値秘密計算部１１０１，…，１１０Ｎが、秘密計算をもちいて、男性に限定した購買額の統計値のシェアと女性に限定した購買額の統計値のシェアを計算する（Ｓ１１０１，…，Ｓ１１０Ｎ）。統計値平文生成部２１０は、秘密計算を用いて求めた性別ごとの統計値のシェアをＫ個以上取得し、性別ごとの統計値の平文を生成する（Ｓ２１０）。合成データ生成部２２０は、生成した統計値と同じ統計値となる疑似のデータである合成データを生成する（Ｓ２２０）。モデル生成部２３０は、合成データを用いて予測モデルを生成する（Ｓ２３０）。データ提供装置３００１のデータとデータ提供装置３００２のデータとを連携させることで性別ごとの予測モデルを生成できるので、データ提供装置３００１のデータだけでの予測モデルよりも予測の精度を向上できる。
＜予測モデル更新＞
　図４は、分析装置が記録している予測モデルのシェアと、データ提供装置が記録しているデータのシェアを秘密分散する処理フローを示す図である。図５は、予測モデルを更新する処理フローを示す図である。予測モデルの更新を行う場合は、秘密計算装置１００ｎは、モデル更新秘密計算部１５０ｎも備える、また、分析装置２００は、モデル提供部２４０とモデル平文生成部２５０も備える。
　モデル提供部２４０は、既存の予測モデル（分析記録部２９０が記録している予測モデル）に関する情報を秘密計算装置１００１，…，１００Ｎに送信する（Ｓ２４０）。「予測モデルに関する情報」とは、予測モデル自体でもよいし、予測モデルのＮ個のシェアの中の１つでもよい。また、予測モデル生成に必要な追加データを保有するデータ提供装置３００ｍが追加データのＮ個のシェアを生成し、モデル生成システム１０にシェアを提供する（Ｓ３１２ｍ）。秘密計算装置１００ｎは、予測モデルに関する情報と、追加データのＮ個のシェアの中の１つを取得し、シェア記録部１９０ｎに記録する（Ｓ１０２ｎ）。データ提供装置３００１，…，３００Ｍが、１つ１つの追加データのシェアを秘密計算装置１００１，…，１００Ｎに個別に送信すれば、追加データを秘匿化できる。
　モデル更新秘密計算部１５０ｎは、予測モデルに関する情報と、あらかじめ定めた追加データのＮ個のシェアの１つを入力とし、他の秘密計算装置１００１，…，１００Ｎのモデル更新秘密計算部１５０１，…，１５０Ｎと協調した秘密計算によって、更新した予測モデルのシェアを求める（Ｓ１５０ｎ）。モデル平文生成部２５０は、秘密計算を用いて更新した予測モデルのシェアをＫ個以上取得し、更新された予測モデルの平文を生成する（Ｓ２５０）。モデル更新秘密計算手段１５０は、各秘密計算装置１００１，…，１００Ｎが備えるモデル更新秘密計算部１５０１，…，１５０Ｎと分析装置２００が備えるモデル平文生成部２５０で構成される。モデル更新秘密計算手段１５０は、既存の予測モデルと、あらかじめ定めた追加データのＮ個のシェアを入力とし、秘密計算を用いて、予測モデルを更新する（Ｓ１５０）。ステップ１５０１，…，１５０ＮとＳ２５０で、モデル更新秘密計算ステップ（Ｓ１５０）は構成される。より具体的には、非特許文献１に示されたアルゴリズムなどにより更新すればよい。もしくは、データを追加した回帰分析などにより予測モデルを更新すればよい。
　モデル生成システム１０によれば、モデル更新秘密計算手段１５０への入力は、追加データのシェアなので、追加データ自体を秘匿化しながら、予測モデルを更新できる。また、予測モデル生成の処理では、データ自体の秘匿化と、処理コストの抑制を得られる。ただし、予測モデルの更新に必要な計算は、秘密計算技術で実行可能な計算に制限される。
　例えば、データ提供装置３００１が、個人を特定する識別子（例えば、個人を特定する番号など）と購買額のデータを保有し、データ提供装置３００２が、個人を特定する識別子と性別のデータを保有している。そして、予測モデル生成の処理フローで生成された男性用の予測モデルと女性用の予測モデルが存在するとし、データ提供装置３００１は、予測モデル生成後に取得した個人を特定する識別子と購買額の追加データを保有し、データ提供装置３００２は、個人を特定する識別子と性別の追加データを保有しているとする。秘密計算装置１００１，…，１００Ｎが、データ提供装置３００１から識別子と購買額の追加データのシェアを取得し、データ提供装置３００２から識別子と性別の追加データのシェアを取得する（Ｓ３１２１，Ｓ３１２２，Ｓ１０２１，…，Ｓ１０２Ｎ）。そして、モデル更新秘密計算部１５０１，…，１５０Ｎが、秘密計算をもちいて、男性に限定した購買額の予測モデルのシェアと女性に限定した購買額の予測モデルのシェアを計算する（Ｓ１５０１，…，Ｓ１５０Ｎ）。モデル平文生成部２５０は、秘密計算を用いて更新した性別ごとの予測モデルのシェアをＫ個以上取得し、更新された性別ごとの予測モデルの平文を生成する（Ｓ２５０）。データ提供装置３００１の追加データとデータ提供装置３００２の追加データとを連携させることで、性別ごとの予測モデルを追加データで更新できるので、予測の精度を向上できる。
［プログラム、記録媒体］
　上述の各種の処理は、図６に示すコンピュータ２０００の記録部２０２０に、上記方法の各ステップを実行させるプログラムを読み込ませ、制御部２０１０、入力部２０３０、出力部２０４０、表示部２０５０などに動作させることで実施できる。
　この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。
　また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ－ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
　このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。
　また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
１０　モデル生成システム　　　　　　　　１００ｎ　秘密計算装置
１１０　統計値秘密計算手段　　　　　　　１１０ｎ　統計値秘密計算部
１５０　モデル更新秘密計算手段　　　　　１５０ｎ　モデル更新秘密計算部
１９０ｎ　シェア記録部　　　　　　　　　２００　分析装置
２１０　統計値平文生成部　　　　　　　　２２０　合成データ生成部
２３０　モデル生成部　　　　　　　　　　２４０　モデル提供部
２５０　モデル平文生成部　　　　　　　　２９０　分析記録部
３００ｍ　データ提供装置　　　　　　　　３１０ｍ　データ提供部
３９０ｍ　データ記録部　　　　　　　　　９００　ネットワーク

Claims (8)

  1. 　Ｎはあらかじめ定めた３以上の整数とし、
    　あらかじめ定めたデータのＮ個のシェアを入力とし、所定の統計値を、秘密計算を用いて求め、前記統計値の平文を出力する統計値秘密計算手段と、
    　前記統計値と同じ統計値となる疑似のデータである合成データを生成する合成データ生成部と、
    　前記合成データを用いて予測モデルを生成するモデル生成部と
    　を備えるモデル生成システム。
  2. 　請求項１記載のモデル生成システムであって、
    　既存の予測モデルに関する情報と、あらかじめ定めた追加データのＮ個のシェアとを入力とし、秘密計算を用いて、前記予測モデルを更新するモデル更新秘密計算手段
    　も備えるモデル生成システム。
  3. 　請求項２記載のモデル生成システムに含まれる複数の秘密計算装置の１つであって、
    　前記あらかじめ定めたデータのＮ個のシェアの１つを入力とし、他の秘密計算装置と協調した秘密計算によって、前記所定の統計値のシェアの１つを求める統計値秘密計算部と、
    　既存の予測モデルに関する情報と、前記あらかじめ定めた追加データのＮ個のシェアの１つとを入力とし、他の秘密計算装置と協調した秘密計算によって、前記予測モデルを更新した予測モデルのシェアを求めるモデル更新秘密計算部
    　を備える秘密計算装置。
  4. 　請求項１または２記載のモデル生成システムに含まれる分析装置であって、
    　Ｋはあらかじめ定めた２以上Ｎ以下の整数とし、
    　秘密計算を用いて求めた前記所定の統計値のシェアをＫ個以上取得し、前記所定の統計値の平文を生成する統計値平文生成部と、
    　前記合成データ生成部と、前記モデル生成部と
    　を備える分析装置。
  5. 　請求項４記載の分析装置であって、
    　予測モデルのＮ個のシェアを生成するモデル提供部と、
    　秘密計算を用いて更新した前記予測モデルのシェアをＫ個以上取得し、前記予測モデルの平文を生成するモデル平文生成部と、
    　を備える分析装置。
  6. 　Ｎはあらかじめ定めた３以上の整数とし、
    　あらかじめ定めたデータのＮ個のシェアを入力とし、所定の統計値を、秘密計算を用いて求め、前記統計値の平文を出力する統計値秘密計算ステップと、
    　前記統計値と同じ統計値となる疑似のデータである合成データを生成する合成データ生成ステップと、
    　前記合成データを用いて予測モデルを生成するモデル生成ステップと
    　を実行するモデル生成方法。
  7. 　請求項６記載のモデル生成方法であって、
    　既存の予測モデルに関する情報と、あらかじめ定めた追加データのＮ個のシェアとを入力とし、秘密計算を用いて、前記予測モデルを更新するモデル更新秘密計算ステップ
    　も実行するモデル生成方法。
  8. 　請求項３記載の秘密計算装置、もしくは請求項４または請求項５記載の分析装置としてコンピュータを機能させるためのプログラム。
PCT/JP2021/023077 2021-06-17 2021-06-17 モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム Ceased WO2022264372A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023528890A JP7662034B2 (ja) 2021-06-17 2021-06-17 モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム
PCT/JP2021/023077 WO2022264372A1 (ja) 2021-06-17 2021-06-17 モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/023077 WO2022264372A1 (ja) 2021-06-17 2021-06-17 モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム

Publications (1)

Publication Number Publication Date
WO2022264372A1 true WO2022264372A1 (ja) 2022-12-22

Family

ID=84526939

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/023077 Ceased WO2022264372A1 (ja) 2021-06-17 2021-06-17 モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム

Country Status (2)

Country Link
JP (1) JP7662034B2 (ja)
WO (1) WO2022264372A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024228228A1 (ja) * 2023-05-01 2024-11-07 日本電信電話株式会社 モデル学習装置、モデル学習方法、プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2018387969B2 (en) 2017-12-18 2021-07-22 Ntt, Inc. Secret computation system and method

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
IGARASHI, DAI ET AL.: "Efficient three- party secure function evaluation that enables lightweight detection and secure database processing using this", SUMMARIES OF THE SYMPOSIUM ON CRYPTOGRAPHY AND INFORMATION SECURITY 2011, 25 January 2011 (2011-01-25), pages 1 - 8 *
MIYAJIMA, HIROFUMI ET AL.: "Proposal of BP learning with IoT using Secure Multiparty Computation", IPSJ TECHNICAL REPORT: DISTRIBUTED PROCESSING SYSTEM (DPS), vol. 185, no. 13, 14 December 2020 (2020-12-14), pages 1 - 7, XP093017953 *
OKADA, RINA ET AL.: "Privacy Preserved Synthetic Datasets Generation by Using Statistics", PROCEEDINGS OF COMPUTER SECURITY SYMPOSIUM 2017. INFORMATION PROCESSING SOCIETY OF JAPAN (CSS2017), 16 October 2017 (2017-10-16), pages 1366 - 1372 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024228228A1 (ja) * 2023-05-01 2024-11-07 日本電信電話株式会社 モデル学習装置、モデル学習方法、プログラム

Also Published As

Publication number Publication date
JP7662034B2 (ja) 2025-04-15
JPWO2022264372A1 (ja) 2022-12-22

Similar Documents

Publication Publication Date Title
US12547775B2 (en) Secure decentralized system utilizing smart contracts, a blockchain, and/or a distributed file system
Gade et al. Obtaining lower bounds from the progressive hedging algorithm for stochastic mixed-integer programs
JP7159717B2 (ja) 秘密統計処理システム、方法、統計処理装置及びプログラム
US11087026B2 (en) Data protection based on earth mover's distance
Almutairi et al. K-means clustering using homomorphic encryption and an updatable distance matrix: secure third party data clustering with limited data owner interaction
WO2022233236A1 (en) Secure data analytics
JP7067632B2 (ja) 秘密シグモイド関数計算システム、秘密ロジスティック回帰計算システム、秘密シグモイド関数計算装置、秘密ロジスティック回帰計算装置、秘密シグモイド関数計算方法、秘密ロジスティック回帰計算方法、プログラム
AU2019461059B2 (en) Secure softmax function calculation system, secure softmax function calculation apparatus, secure softmax function calculation method, secure neural network calculation system, secure neural network learning system, and program
JP7662034B2 (ja) モデル生成システム、秘密計算装置、分析装置、モデル生成方法、プログラム
JP7060115B2 (ja) 秘密配列アクセス装置、秘密配列アクセス方法、およびプログラム
JP7359225B2 (ja) 秘密最大値計算装置、方法及びプログラム
JP6977882B2 (ja) 秘密一括近似システム、秘密計算装置、秘密一括近似方法、およびプログラム
US12192321B2 (en) Private vertical federated learning
CN116415271A (zh) 数据处理的方法和计算平台
JP7747192B2 (ja) 秘密属性選択システム、秘密属性選択装置、秘密属性選択方法、プログラム
US20250181775A1 (en) Calculation apparatus, calculation methods, and programs
US20230177119A1 (en) Imputing machine learning training data
US20250200384A1 (en) Secure global model calculation apparatus, local model registering method, and program
Artigues et al. Robust optimization for the resource-constrained project scheduling problem with duration uncertainty
JP7767674B1 (ja) 情報処理システム、情報処理装置、情報処理方法およびプログラム
US12293411B2 (en) Secure decentralized system and method
US20250200436A1 (en) Secure global model calculation apparatus, secure global model calculation system configuring method, and program
US20260111398A1 (en) Information processing apparatus, information processing method, and program
US20250371185A1 (en) Systems and methods for dynamic policy generation and compliance in a trusted computing environment
JP7779379B2 (ja) モデル学習装置、連合学習システム、それらの方法、およびプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21946049

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023528890

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21946049

Country of ref document: EP

Kind code of ref document: A1