プライバシ保全型k近傍アルゴリズムに関する一考察

摘要

近年，機械学習が注目を集めている．機械学習では訓練データをもとに学習をおこない，未知データについて予測をする．様々な未知データに対して高い精度を持った予測をおこなうには，訓練データに偏りがないように広範囲から集めることが重要で，そのために複数の組織がデータを提供し機械学習をおこなうといったことが考えられる．しかし，データに個人のプライバシなど秘匿すべき情報が含まれる場合には，データの提供が秘匿情報の漏洩につながることが懸念される．本研究では暗号文上で加算と乗算が可能なBGV暗号を用いて，機械学習に用いられる手法のひとつであるk近傍法を行う手法を提案し，実装を行う．BGV暗号を用いることによって，訓練データやクエリを暗号化し，その内容を秘匿にしたままで処理を行うことが可能になり秘匿情報の漏洩を防ぐことができる。提案する手法では2台のサーバを用いて処理をおこなうが，これらのサーバがsemi-honestモデルに従い，協力しない場合の安全性について述べる．また比較実験によって，提案手法が既存手法よりも優れていることを示す．