資料詳細

目次

第1章 データ解析におけるプライバシー保護技術の概要

  1.1 仮名化・匿名化によるデータの外部提供

  1.2 差分プライバシーを適用した統計量公開

  1.3 秘密計算によるデータ解析

第2章 パーソナルデータ提供におけるプライバシーの問題

  2.1 パーソナルデータ提供にかかわるプライバシーの侵害

  2.2 パーソナルデータの利用とプライバシー保護技術

第3章 パーソナルデータ提供におけるデータの構成要素

  3.1 パーソナルデータの実例とデータの種別

  3.2 識別情報

  3.3 履歴情報

  3.4 要配慮情報

  3.5 識別情報/要配慮情報と履歴情報の境界

  3.6 連絡情報

  3.7 個人に被害を与える情報

  3.8 データベースに関する情報

  3.9 個人情報保護法との関係

第4章 パーソナルデータ提供のリスクと有用性

  4.1 データ提供のプロセス

  4.2 個人属性データ提供に伴う特定と連結

  4.3 履歴データ提供に伴う特定と連結

  4.4 データ提供に伴う特定のリスク評価:k匿名性

  4.5 データ提供に伴う特定のリスク評価:標本一意性と母集団一意性

  4.6 個人属性データ提供に伴う属性推定

第5章 パーソナルデータの匿名化

  5.1 パーソナルデータの匿名化のプロセス

  5.2 仮名化における直接識別情報の扱い

  5.3 匿名化における間接識別情報の扱い

  5.4 一般化階層構造に基づくk匿名化

  5.5 仮名化/匿名化データの提供における注意点

第6章 識別不可能性と攻撃者モデル

  6.1 計算と秘匿性

  6.2 記法

  6.3 識別不可能性

  6.4 情報理論的識別不可能性

  6.5 計算量的識別不可能性

  6.6 識別不可能性に基づく秘匿性と攻撃者モデル

  6.7 データ匿名化が想定する攻撃者モデル

第7章 統計量の公開における差分プライバシーの理論

  7.1 統計量の公開

  7.2 統計量公開におけるプライバシー

  7.3 完全秘匿性に基づく安全性の議論

  7.4 完全秘匿の不可能性

  7.5 「弱い秘匿性」の実現

  7.6 ε-差分プライバシー

  7.7 (ε,δ)-差分プライバシー

  7.8 εの解釈と隣接性の定義

  7.9 δの解釈

第8章 差分プライバシーのメカニズム

  8.1 確率アルゴリズムとしてのメカニズム

  8.2 メカニズムの評価基準

  8.3 ラプラスメカニズム

  8.4 ガウシアンメカニズム

  8.5 指数メカニズム

  8.6 レコードの独立性

  8.7 複数回のクエリに対する差分プライバシーの保証

  8.8 合成定理の応用

  8.9 疎な出力

第9章 差分プライバシーと機械学習

  9.1 経験損失最小化

  9.2 経験損失最小化における差分プライバシー

  9.3 出力摂動法による差分プライバシーの保証

  9.4 目的関数摂動法による差分プライバシーの保証

第10章 秘密計算の定式化と安全性

  10.1 秘密計算

  10.2 秘密計算プロトコル

  10.3 攻撃者モデル

  10.4 秘密計算の正当性と秘匿性

  10.5 秘密計算の秘匿性の定義

  10.6 差分プライバシーと秘密計算における攻撃者の違い

  10.7 秘密計算の攻撃者モデル

  10.8 秘密計算の構成法

第11章 秘密鍵暗号と公開鍵暗号

  11.1 秘密鍵暗号

  11.2 公開鍵暗号

第12章 準同型暗号による秘密計算

  12.1 準同型暗号

  12.2 準同型暗号による秘密計算の安全性

  12.3 準同型暗号による秘密計算:独立性検定への応用

第13章 秘匿回路による秘密計算

  13.1 秘匿回路

  13.2 紛失送信

  13.3 秘匿回路生成

  13.4 秘匿回路評価

  13.5 秘匿回路評価の秘匿性

  13.6 秘匿回路評価の実行例

第14章 秘密分散による秘密計算

  14.1 秘密分散

  14.2 秘密分散による秘密計算

  14.3 秘密分散による汎用的な秘密計算と実装

  14.4 秘密分散による秘密計算の安全性

  14.5 秘密分散による秘密計算の実装

ページの先頭へ