4 分で読了
0 views

マルチクライアント機能暗号による集合交差と非単調アクセス構造

(Multi-client Functional Encryption for Set Intersection with Non-monotonic Access Structures)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近「機能暗号」だの「非単調アクセス」だの現場の若手が口にしてまして、正直何をどうすれば儲かるのか見えません。要はうちの製造データを安全に共有して利益に変えられるんですか?

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、要点を3つで整理しますよ。1) データをそのまま渡さずに共同で使える、2) 誰が何の結果を見られるか細かく制御できる、3) 実運用で効率的である、という点です。これなら投資対効果が見えやすくなりますよ。

田中専務

なるほど。しかし「誰が何を見られるか細かく制御」って、現場で設定が膨大になってしまって運用不能になりませんか。設定ミスで情報漏れしたら意味がないのでは?

AIメンター拓海

良い懸念ですね。ここで登場するのがFunctional Encryption (FE)(機能暗号)です。FEはデータそのものを見せずに、必要な計算結果だけを許可する仕組みで、細かなアクセス制御を暗号レベルで実現できます。設定は設計段階で整理すれば、運用負荷は抑えられますよ。

田中専務

それで、その論文は何を新しくしているんですか。うちがやるなら、複数の事業所がバラバラに暗号化しても協調できる必要がありますが、それを満たしてますか?

AIメンター拓海

その通りです。論文はMulti-client Functional Encryption(MCFE)(マルチクライアント機能暗号)を提案しており、各クライアントが独立に暗号化しても集合交差(set intersection)の結果を得られる点が特徴です。これで事業所ごとの運用を崩さずに共同分析ができますよ。

田中専務

なるほど、独立暗号化で共同分析可能。ところで「非単調アクセス構造」というのが難しすぎます。これって要するに権限制御を柔軟にできるということ?

AIメンター拓海

はい、その理解で合っています。Non-monotonic Access Structures (NAS)(非単調アクセス構造)は、単純に権限が増えれば結果が見えるという性質に縛られません。ある条件が満たされたときだけアクセスを許す、あるいは特定の組み合わせでしか見えない、といった複雑なポリシーを表現できます。

田中専務

それなら現場の部署ごとに違う条件で結果を見せる使い方が可能ですね。ただ導入コストや計算負荷が心配です。実運用で遅くなったり高額なサーバーが必要になったりしませんか?

AIメンター拓海

良い着眼です。論文では非対称ペアリング(asymmetric prime-order pairings)を用いた具体構成と、実装による効率評価を示しています。要するに暗号計算は高いが、現実的なパラメータで実用範囲にあると示しているため、PoC(Proof of Concept)段階でコスト見積もりができるはずです。

田中専務

PoCで確認できるなら安心です。最後に一つだけ、我々のような現場がこれを使うとしたら、最初に何をすれば良いですか?

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。まずは目的と見せたい結果を明確にし、どの部署にどの情報を許可するかのポリシーを簡単に定義すること。次に小さな範囲で暗号化・検証のPoCを回し、性能とコストを測ること。その後、段階的に展開すれば導入リスクを抑えられます。

田中専務

分かりました。要するに、暗号でデータを隠したまま特定の共同分析だけ許す仕組みを段階的に試して、費用対効果を確認してから拡大する、ということですね。私の言葉で言うとこういうことです。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
Single-View Graph Contrastive Learning with Soft Neighborhood Awareness
(Single-View Graph Contrastive Learning with Soft Neighborhood Awareness)
次の記事
記憶化はいつ公平性を改善するか
(When Can Memorization Improve Fairness?)
関連記事
顔の属性分類におけるDNNの注意制御
(Directing DNNs Attention for Facial Attribution Classification using Gradient-weighted Class Activation Mapping)
マイクロ機械学習代替モデルの効率的学習に向けた自己教師あり特徴蒸留と実験デザイン
(Self-supervised feature distillation and design of experiments for efficient training of micromechanical deep learning surrogates)
Hephaestus Minicubes:火山不穏監視のためのグローバル・マルチモーダルデータセット — Hephaestus Minicubes: A Global, Multi-Modal Dataset for Volcanic Unrest Monitoring
知識駆動型AutoMLアーキテクチャ
(A Knowledge-Driven AutoML Architecture)
並列アクティブ部分空間分解によるスケーラブルなテンソル堅牢主成分分析
(Parallel Active Subspace Decomposition for Scalable and Efficient Tensor Robust Principal Component Analysis)
訓練データが説明に与える影響の解析
(Analyzing the Influence of Training Samples on Explanations)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む