プライバシー保護機械学習 入門

4つの柱

プライバシー保護機械学習（PPML）は、単一の技術ではなく複数の手法の 組み合わせで成り立ちます。

1. Secure MPC — 複数当事者が生データを開示せず共同計算する
2. Homomorphic Encryption — 暗号文のまま加算・乗算を行う
3. Differential Privacy — 出力にノイズを加え個人を保護する
4. Trusted Execution Environment — ハードウェアで隔離された領域で計算する

どれを選ぶべきか

唯一の正解はありません。遅延・精度・信頼モデルのトレードオフを、 ユースケースごとに設計することが重要です。

「最も強い保証」ではなく「その用途に十分な保証を、現実的なコストで」。

CODAS は、用途に応じた最適な組み合わせをリファレンス実装とともに提供する ことを目指しています。