プライバシープロジェクトによる共同研究が発足

by Frederic Pariente · July 1, 2020

フィンランドの研究チームとの初めてのプロジェクトで、GPU によりプライバシーアルゴリズムが 100 倍高速に

Linux の生みの親であるリーナストーバルズ (Linus Torvalds) 氏の名声を凌駕するには至らないかもしれませんが、同じフィンランド人であるアンティホンケラ (Antti Honkela) 氏は近年、デジタルプライバシーに対する大きな障壁を取り除くことに成功しました。

ヘルシンキ大学のデータサイエンスの准教授であるホンケラ氏は、差分プライバシーを研究しています。これは個人データに基づいたコンピューティングにて、個人データを非公開に保つことを保証する方法です。この新興分野は 3 月、絶大な影響を与えることが有望である点が評価され、MIT Technology Review の選ぶ「ブレイクスルートップ 10 リスト (Top 10 list of breakthroughs)」に取り上げられました。

このテクノロジーの一部はすでに、スマートフォンやクラウドコンピューティングで広く利用されています。2020 年の米国国勢調査でもこのテクノロジーが採用される予定です。

「差分プライバシーは強力な理論的基盤の上に成り立っているため、アルゴリズムに従えばプライバシーが保証されますが、これまでの大きな問題はパフォーマンスコストが非常に大きいことでした」とホンケラ氏は述べています。

「今ではこのギャップを埋めることができます。」NVIDIA とフィンランドの AI 研究者との複数年にわたる広範な共同研究の最初のプロジェクトについて、ホンケラ氏はこう語りました。

差分プライバシーが 100 倍高速に

ホンケラ氏と NVIDIA のソリューションアーキテクトであるニキロッピ (Niki Loppi) は、差分プライバシーの学習を GPU で実行することで 100 倍に高速化する方法を実証しました。

「GPU を使用したこの種の高速化はよく見られますが、この高速化が優れている点は、標準の学習に差分プライバシーを追加するためのペナルティが、CPU システムでは 20 倍観察されたのに対し、GPU では 2 倍から 3 倍しか観察されなかったことでした」とロッピは語ります。

彼らの研究が示しているのは、機密性の高い個人情報が含まれているために現在は非公開でなければならない非常に有用なデータセットの匿名バージョンを作成する方法です。このようなデータのプライバシー保護されたバージョンが公開されることで、AI 開発者ははるかに優れたモデルを構築でき、この分野全体が加速されます。

後続の研究として、ロッピの NVIDIA の同僚たちにより、AI 学習でランダムサブサンプリングを行うための効率的な GPU による高速化アプローチを実装する方法の研究が進められています。この研究により、強化された差分プライバシーを実装する際のパフォーマンスギャップをさらに縮める可能性があります。

この取り組みは、NVIDIA とフィンランドの強力な 2 つのパートナーとの共同研究における、多岐にわたる数多くのプロジェクトの中で最初に行われたものでした。フィンランド AI センター (FCAI) は、ヘルシンキ大学、アールト大学、フィンランド VTT テクニカルリサーチセンターからトップの研究者を集めた国家的な取り組みです。

NVIDIA、FCAI に続くもう 1 つのパートナーは、フィンランド国立スーパーコンピューティングセンター (CSC) です。グループの研究プロジェクトは、320 基の NVIDIA V100 Tensor コア GPU を含む 2.7 ペタフロップスのシステムで稼働予定です。