Lamiyi

Appleは、機械学習ブログに新しい記事を投稿し、差分プライバシーを活用してユーザー機能を強化する同社の学習システムアーキテクチャについて詳しく説明しました。差分プライバシーは、統計データベースから正確なクエリを取得しつつ、記録の特定リスクを最小限に抑えることを目的としています。

人々がデバイスをどのように使用しているかを理解することで、ユーザーエクスペリエンスの向上に役立つことがよくあります。しかし、そのような洞察を提供するデータ（たとえば、ユーザーがキーボードで入力した内容や訪問したウェブサイトなど）にアクセスすると、ユーザーのプライバシーが侵害される可能性があります。私たちは、ローカル差分プライバシーと既存のプライバシーのベストプラクティスを組み合わせることで、大規模な学習を可能にするシステムアーキテクチャを設計します。効率的でスケーラブルなローカル差分プライバシーアルゴリズムを開発し、ユーティリティ、プライバシー、サーバー計算、デバイス帯域幅の間のトレードオフを示す厳密な分析を提供します。これらの要素間のバランスを理解することで、ローカル差分プライバシーを使用した実用的な展開を成功させることができます。この展開は、人気の絵文字、人気の健康データタイプ、Safariでのメディア再生設定の識別など、さまざまなユースケースにわたって数億人のユーザーに対応できます。

リンクをクリックして Apple のブログ投稿を読むか、ここをクリックして「Learning with Privacy at Scale」と題された論文全文をご覧ください。

続きを読む