セキュリティ
差分プライバシー
Differential Privacy
読み：さぶんぷらいばしー
個人一人のデータの有無が出力へ与える影響を確率的に制限する、プライバシー保護の枠組みです。
01初心者向け
まず意味をつかむ
一人が参加したかどうかで集計結果が大きく変わりにくくする考え方です。単に名前を消す方法とは異なり、保護の強さを数学的な条件で扱います。
02実務者向け
仕事でどう使うか
保護する単位、隣接データの定義、プライバシー予算、出力回数を設計します。ノイズ等で生じる分析精度の低下を測り、複数の処理を通じた予算消費を管理します。
03専門家向け
判断を一段深める
保証は定義と仮定の範囲内で成立し、あらゆる個人情報の危険を消すわけではありません。パラメータの大小だけを見ず、実装、データ前処理、合成の条件も点検します。
IN PRACTICE
具体例で考える
架空の人員集計で個人単位の保護条件を決め、公開する集計数と追加照会による予算消費を記録します。
理解を助けるための架空の例です。保護する個人の単位
確率的な出力制限
精度・予算の評価
具体的なパラメータの推奨値を示すものではありません。
ここは誤解しやすい
ノイズを加えたという事実だけで、差分プライバシーが成立したとは言えません。
この知識を、組織の力へ。