20230222 フィンテック養成勉強会#28 金融に活かすデータの開拓と利活用（技術編） データ活用とプライバシー

Transcript

1. 1
   © LayerX Inc.
   「データ活用とプライバシー」
   2023/2/22 フィンテック養成勉強会#28
   金融に活かすデータの開拓と利活用（技術編）
   LayerX PrivacyTech事業部長 中村 龍矢
   

   View Slide

2. 2
   © LayerX Inc.
   これまで取り組んできたこと
   自己紹介
   データ分析・機械学習
   東京大 工学部
   ● データサイエンスと出会う
   Gunosy データ分析部
   ● アプリのデータ分析
   ● 機械学習での分類/推薦
   セキュリティ・形式検証 データプライバシー
   LayerX 創業時からR&D
   ● ブロックチェーンをきっかけに
   セキュリティの研究を始める
   ● Ethereumへのコントリ
   ビューション
   R&Dから事業化
   ● 今に至る
   中村 龍矢
   ● LayerX 執行役員 兼 PrivacyTech事業部長
   ● IPA 未踏スーパークリエータ
   ● 2020年度 電子情報通信学会 インターネット
   アーキテクチャ研究賞 最優秀賞 (共著)
   

   View Slide

3. 3
   © LayerX Inc.
   LayerX
   PrivacyTech事業の紹介
   

   View Slide

4. 4
   © LayerX Inc.
   ● SaaS事業・Fintech事業に続く第三の事業としてPrivacyTech事業を展開
   LayerXの事業紹介
   自社プロダクト(SaaS)を提供 プライバシー保護
   /秘匿化技術
   三井物産様と合弁会社
   SaaS事業 Fintech事業 PrivacyTech事業
   出資・出向
   

   View Slide

5. 5
   © LayerX Inc.
   ● 世の中にあるデータのうち、データ流通のポテンシャルはまだ数%くらいしか発揮されていない（？）
   ● 医療、行政、金融など様々な社会問題の解決に繋がる
   データソース別の利用シーン（一例）
   顧客属性データ
   決済・取引データ
   移動履歴データ
   スマホ位置情報
   電子カルテ
   購買データ
   TV視聴データ
   電力利用データ
   政策立案・改善
   商圏分析
   ・立地検討
   マーケティング
   施策立案・改善
   製品開発
   広告などの
   パーソナライズ
   事例①：Suica利用データ
   事例②：電力利用データ
   ● 駅の利用状況データを通じて人の流れをより正確に把握することによ
   る、観光施策や地域活性化向けの活用を狙うもの。
   ● 首都圏を中心に駅ごとの乗降者数のデータなどを集計したレポート
   「駅カルテ」を作成。
   ● スマートメーターを通じて収集した電力データを利用するもの。
   ● 特定地域での電力使用状況に基づく商圏分析や、各世帯での電力使用
   状況に基づく高齢者見守り・再配達削減などに活用を図る。
   出所：JR東日本、電力・ガス基本政策小委員会
   パーソナルデータ流通の可能性
   

   View Slide

6. 6
   © LayerX Inc.
   就職で不利になったり、
   勤務先で差別されないか・・・
   パーソナルデータ流通に伴うプライバシーの懸念
   ● 学歴、病歴
   ● 収入、資産
   ● 行動履歴
   ● etc.
   本人
   様々な事業者
   病歴のせいで生命保険に加入できなく
   なるかも・・・
   不安
   ● しかし、パーソナルデータの外部提供は、ユーザー・ステークホルダーの不安につながる可能性
   ● 価値のあるリアルなデータほど、伝統的な大きな企業が保有することが多く、何十年とかけて築き上げてき
   たユーザー・社会との信頼関係は非常に重要
   クレカが作れなくなったり、必要な時に
   お金を借りれられなかったらどうしよ
   う・・・
   データ取得
   自分のデータが勝手に
   売られるのは気持ち悪い！
   designed by Freepik
   

   View Slide

7. 7
   © LayerX Inc.
   「Anonify（アノニファイ）」とは
   ● 世界中で進む先端的なプライバシー分野の学術研究を土台に、実務的なデータ利活用に応用できるよう
   LayerXが独自に開発したプライバシー保護のアルゴリズム群
   

   View Slide

8. 8
   © LayerX Inc.
   PrivacyTech事業の取り組み実績
   ● 次世代金融における秘匿化技術の活用可能性に関する共同研究
   ● 秘匿性を担保した複数企業間の取引記録インフラの事業検討・技術検証
   協業事例（一部）
   メディア掲載（抜粋）
   ● 住民意見収集システムとして採用（秘匿化技術国内初の実用化事例）
   ● インターネット投票の実現に向け、公職選挙法の規制緩和の提案
   ● 「Anonify」を活用した自動車走行データの分析サービスの提供を開始
   ● プライバシー保護とデータ利活用のさらなる高度化に向けた共創を開始
   ● テキストデータのプライバシー保護技術適用の共同研究
   JCB様
   つくば市様
   リクルート様
   あいおいニッセイ
   同和損保様
   ● 医療データのプライバシー保護に関する共同研究
   JMDC様
   

   View Slide

9. 9
   © LayerX Inc.
   プライバシーテックのイメージ
   〜差分プライバシーの例〜
   

   View Slide

10. 10
    © LayerX Inc.
    プライバシーテック・プライバシーエンジニアリング
    https://jobs.apple.com/en-us/details/200423409/platform-privacy-engineer
    https://careers.mastercard.com/us/en/job/R-184152/Vice-Preside
    nt-Privacy-Engineer
    https://www.metacareers.com/v2/jobs/431958232249790/
    ● プライバシーは心理的・倫理的な話というイメージもあるものの、技術的に解決できる問題もある
    ● 「Privacy Engineer」という職種の求人も見かける
    Meta (Facebook)
    Mastercard
    Apple
    

    View Slide

11. 11
    © LayerX Inc.
    要素技術の紹介: 差分プライバシーとは
    ● 差分プライバシー: 2006年に考案された、数学的に証明可能なプライバシー保証を提供するアプローチ
    ● アカデミアにおけるプライバシー定義のデファクト・スタンダード
    定義を満たすアルゴリズムの構成
    差分プライバシーの定義
    出典: https://www.cis.upenn.edu/~aaroth/Papers/privacybook.pdf
    

    View Slide

12. 12
    © LayerX Inc.
    平均年収：800万円
    平均年収：799.9万円
    Aさん在籍時の合計年収
    = 平均800万円 * 51人
    Aさん退職後の合計年収
    = 平均799.9万円 * 50人
    Aさんの年収
    = 800 * 51 - 799.9 *
    50
    = 805万円
    Aさん在籍時
    (51名)
    Aさん退職後
    (50名)
    ・・・・・・・・・・・・・
    ・・・・・・・・・・・・・
    たった1000円分の平均年収の
    変化から、Aさんの給与がわ
    かってしまう
    プライバシーリスクは意外なところにある
    ● 統計情報だけを提供しても、差分から特定個人のデータが炙りだされてしまう
    ● 1970年代（もしくはもっと前）から続く、長い研究の歴史
    ● 実際にはもっともっと色々なリスクがある！
    

    View Slide

13. 13
    © LayerX Inc.
    差分プライバシーでの解決
    ● 機密なデータに基づく統計データに、プライバシーを保護するノイズを注入する
    ● 誤差が発生するが、統計的な分析では活用できる
    年齢 性別 住所 年収
    32 男性 東京都中央区 650万円
    24 女性 神奈川県横浜市 600万円
    56 男性 東京都中央区 1000万円
    44 女性 千葉県松戸市 950万円
    ノイズ付与後の
    平均年収: 810万円
    平均年収: 800万円
    （真の値）
    公開しない
    元のデータの
    復元困難
    元のパーソナルデータ
    差分プライバシー
    のアルゴリズム
    +10万円の
    ノイズを付与
    

    View Slide

14. 14
    © LayerX Inc.
    プライバシーテックの
    活用事例
    

    View Slide

15. 15
    © LayerX Inc.
    プライバシーテックの登場パターン
    ● プライバシーテックの登場パターンを大きく三つに大別
    designed by Freepik
    ③双方向のデータ連携
    （特に名寄せを行う場合）
    ②一方通行のデータ提供
    注: 個別のプライバシー保護の要素技術は、上記の分類に一対一対応するわけではなく、組み合わせて使われる
    （差分プライバシーはどこにでも登場する）
    ①エンドユーザーからの
    データ収集
    

    View Slide

16. 16
    © LayerX Inc.
    ● LINEスタンプ選択時のサジェスト機能のアップデートにおいて、ユーザーのプライバシーを保護しつつ利便
    性を向上させるため、「差分プライバシー」「連合学習」が導入された。
    ● 同様の技術はGAFAMの各種サービスでも活用されており、iPhoneでのログ収集などが有名
    国内他社における差分プライバシー適用事例
    LINEスタンプのサジェスト機能における差分プライバシー実用事例
    出所：https://linecorp.com/ja/security/article/429
    差分プライバシーを用いて処理結果（学習モ
    デルの更新情報）に対してノイズ付加
    

    View Slide

17. 17
    © LayerX Inc.
    プライバシーテックの登場パターン
    ● プライバシーテックの登場パターンを大きく三つに大別
    designed by Freepik
    ③双方向のデータ連携
    （特に名寄せを行う場合）
    ②収集したデータの外部提供
    注: 個別のプライバシー保護の要素技術は、上記の分類に一対一対応するわけではなく、組み合わせて使われる
    （差分プライバシーはどこにでも登場する）
    ①エンドユーザーからの
    データ収集
    

    View Slide

18. 18
    © LayerX Inc.
    データ外部提供における差分プライバシーの活用事例
    Linkedinの広告主向けダッシュボードでは、広告の表示
    数やクリック数を可視化。ユーザーの閲覧情報などを逆算
    する攻撃を防ぐため、差分プライバシーの亜種を導入（出
    典）
    差分プライバシーの活用事例
    米国
    国勢調査局
    米国の国勢調査において、人口統計や所得や学歴などの
    統計情報を公開する際に、差分プライバシーを活用。（出
    典）
    コロナ禍におけるFacebookユーザーの行動情報（1日
    の間にユーザーが移動する量と、家にいる人の数の指標）
    を疫学研究を目的として公開する上で、差分プライバシー
    を活用。（出典）
    機密性の高いユーザーの位置情報を、社内のデータサイエ
    ンティストがプライバシー保護を担保したまま分析するた
    めに、差分プライバシーを活用。（出典）
    ● 米国の国勢調査や、グローバル大手IT企業などが、国民・消費者に対して透明性のある安全なデータ利活用
    を進める上で、差分プライバシーを活用している。
    参考：差分プライバシーとは - AppleやGoogleも活用する最先端のプライバシー保護技術
    

    View Slide

19. 19
    © LayerX Inc.
    事例: COVID-19の疫学研究のためのFacebookのデータ公開
    ● コロナ禍におけるFacebookユーザーの行動情報（1日の間にユーザーが移動する量と、家にいる人の数
    の指標）を疫学研究を目的として公開する上で、差分プライバシーを活用。
    出所：https://visualization.covid19mobility.org/
    https://about.fb.com/news/2020/04/data-for-good/
    

    View Slide

20. 20
    © LayerX Inc.
    事例: LinkedIn 広告主向けの分析ダッシュボード
    ● Linkedinの広告主向けダッシュボードでは、広告の表示数やクリック数を可視化。
    ● ユーザーの閲覧情報などを逆算する攻撃を防ぐため、差分プライバシーの亜種を導入。
    出所：https://arxiv.org/pdf/1809.07754.pdf
    

    View Slide

21. 21
    © LayerX Inc.
    当社事例: あいおいニッセイ同和損害保険さま
    ● 保険加入者様の自動車走行データを用いたデータ分析サービスを、Anonifyを用いて、プライバシー保護
    をした形で実現。
    ● 急ブレーキ等の危険挙動を、場所や、性別や年齢情報等の様々な切り口で分析が可能。
    ● 自治体様に提供することで、交通安全対策に用いるなど。
    ○ 結果的に交通事故が削減されれば、保険金の支払いも減り本業にもシナジーがある
    ○ （単なる「データ販売」に限らないデータ外部提供の事例）
    出所：2022年6月30日付け、LayerXプレスリリース
    

    View Slide

22. 22
    © LayerX Inc.
    安全性と有用性のトレードオフ
    ● 安全性も有用性も完璧という「銀の弾丸」は存在しない
    ● LayerXでは、組織間のデータ提供のユースケースに絞った最適解を研究し続けている
    プ
    ラ
    イ
    バ
    シ
    ｜
    保
    護
    水
    準
    高
    低
    有用性 高
    低
    銀の弾丸
    

    View Slide

23. 23
    © LayerX Inc.
    ● 技術的に安全であることは、それ単体で直ちに必ずしもエンドユーザーの安心に繋がるわけではないもの
    の、実質的なリスクを対処し、説明可能にすることは、それ以外の解決策の土台になる。
    さいごに: プライバシーテックを起点にした信用の連鎖
    ２つ目のドミノ
    ● 規制当局・プライバシー保護の有識者の方
    ３つ目のドミノ
    ● メディア・政府などの権威
    ４つ目のドミノ
    ● 一般のデジタルリテラシーのある方
    ５つ目のドミノ
    ● さらに広い一般の方・社会全体
    最初のドミノ
    ● 厳密なプライバシー保護とその説明力
    

    View Slide

24. 24
    © LayerX Inc.
    

    View Slide