DXD2024_プライバシーテックで切り開く未来のデータ活用への挑戦

2024/07/16 DXD2024発表資料

 1. 登壇者紹介
• 自己紹介
2. 秘密計算とは？
• 従来の暗号と秘密計算の比較
• 秘密計算の具体例（平均値の計算）
3. 事業紹介
• 会社概要
• Acompanyについて
• プライバシーDXとは
• プライバシーDXが必要な背景
• Acompanyのサービス
• Acompanyのチーム
• 「AutoPrivacy」とは
• 事例
6. プライバシーテックの活用例
• PIIの検出
• PIIディスカバリー
• PIIマスキング
• 非個人情報への加工
• 匿名加工情報化
• 合成データ
• データ秘匿分析
• 秘密計算
• 連合学習

自動サマリ
---
本プレゼンテーション「プライバシーテックで切り開く未来のデータ活用への挑戦」は、株式会社Acompanyの田中来樹が登壇し、プライバシーテクノロジーの重要性とその活用について説明しています。最初に登壇者の自己紹介があり、続いてAcompanyの会社概要が紹介されます。同社はパーソナルデータの活用と保護を両立させるスタートアップであり、プライバシーテックに注力しています。

次に、プライバシーテックの一環である秘密計算について詳しく説明されます。秘密計算はデータを暗号化したまま計算する技術で、データのセキュリティを保ちながら利用することが可能です。従来の暗号手法との違いや具体的な利用例として、平均値の計算が紹介されました。この技術により、データを共有せずに計算結果だけを得ることができます。

続いて、Acompanyの事業内容が紹介され、同社のサービスがプライバシーDX（デジタルトランスフォーメーション）の実現を支援していることが説明されます。プライバシーDXとは、ユーザーのプライバシーを保護しながらデータ活用を推進することで、デジタル技術とプライバシー保護のバランスを取ることを目的としています。これにより、企業は競争力を高めながらデータを安全に活用できます。

次に、プライバシーテックの具体的な活用例が紹介されます。まず、PII（個人を特定できる情報）の検出とマスキングが挙げられます。PIIディスカバリー技術により、テキストデータから自動的にPIIを検出し、マスキング技術により機密データを隠蔽することが可能です。これにより、データの漏洩リスクを最小限に抑えながら、データの利活用を促進できます。

さらに、非個人情報への加工について説明されます。匿名加工情報や合成データを用いることで、個人情報を含まないデータを生成し、データの活用幅を広げることができます。例えば、合成データは元データの統計的特性を保持しつつ、個人を特定できないダミーデータを生成する技術であり、データの匿名性と有用性を両立させます。

最後に、データ秘匿分析の重要性が強調されます。生データを暗号化したまま分析する秘密計算技術により、データのセキュリティを保ちながら高精度の分析が可能になります。具体的には、TEE（Trusted Execution Environment）、MPC（Multi-Party Computation）、HE（Homomorphic Encryption）の3つのアプローチが紹介され、これらの技術を用いることでデータの秘匿性を担保しながら、生データ同等の精度での分析が実現されます。
---

Transcript

1. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 1 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. プライバシーテックで切り開く 未来のデータ活⽤への挑戦 2 0 2 4 / 0 7 / 1 6 株式 会 社 A co m pan y ⽥ 中来 樹
2. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 2 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 1. 登壇者紹介
3. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 3 プロフィール • 愛知県名古屋市出⾝の25歳（1998年⽣まれ） • 名古屋⼤学在学中に起業を経て、後に株式会社Acompanyに⼊社 • 2021年⼊社からテックリード→EMを経て2022年から執⾏役員CTO 株式会社Acompany 執⾏役員 CTO ⽥中来樹 / Raiki Tanaka X(twitter)：@tkrk_p 初期は秘密計算の研究開発を主導し、 現在はプライバシーテックの製品化に注⼒する 秘密計算エンジン「QuickMPC」の開発 → プライバシーテック（PETs）全般 → パーソナルデータ連携基盤「AutoPrivacy DCR」の⽴ち上げ
4. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 4 秘密計算とは？
5. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 5 計算結果 秘密計算とは 計算過程を暗号技術等により秘匿化したまま処理する技術の総称 データ 暗号化 結果のみ復元 秘匿化したまま計算 秘密計算
6. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 6 従来暗号と秘密計算の⽐較 秘匿化したままデータ活⽤が可能 既存暗号⼿法 （⼀般的な⽔準） 既存暗号⼿法 （⾼い⽔準） 通信時 保管時 活⽤時 データ暗号化のカバー範囲 秘密計算 （次世代） ⽣データ ⽣データ
7. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 7 秘密計算の具体例 実際の計算例：平均値 1000 1500 2000 300 200 500 100 600 800 800 700 500 各々に 分割情報を共有 200 600 700 300 100 800 500 800 500 500 400 600 分割情報の 平均値を計算 年収(万円) 計算結果から 全体の結果を復元 1500 平均値の1500を計算成功 (1000+1500+2000)/3=1500 Aさん Bさん Cさん 年収を分割
8. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 9 秘密分散を⽤いたギミック 本⽇お配りしたクリアファイルに秘密分散を ⽤いたギミックを⽤意しています😎 復号できた⼈にはモザイクTをプレゼントしてます！🙌 Acompanyの ブースまで！ 解説記事↓ bit.ly/ac-vss
9. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 10 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 2. 事業紹介
10. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 11 会社概要 攻めと守りを両⽴したパーソナルデータ活⽤を実現するスタートアップ 正社員数 51名 設 ⽴ 2018年6⽉20⽇ 所在地 愛知県名古屋市 ※ 2024.7.1 時点 プライバシーテック ブロックチェーン 秘密計算 創業初期から暗号技術の実⽤化に注⼒ ブロックチェーンの研究開発→秘密計算エンジンの開発 →プライバシーテック（PETs）全般 2018-2019 2020-2022 2022-現在 事業内容 • パーソナルデータ連携基盤「AutoPrivacy DataCleanRoom」 • プライバシーガバナンスSaaS「AutoPrivacy Governance」の開発・提供 • プライバシーデータに関するコンサルティング 沿⾰ 主要投資家
11. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 13 Acompanyについて Acompanyは、プライバシーに関する テクノロジー と リスク分析 に精通する プライバシーDXカンパニーです。 ✕ Privacy Risk プライバシー影響評価 / データマッピング etc. Privacy Tech 秘密計算/合成データ/ 連合学習/差分プライバシー/etc.
12. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 14 プライバシーDX（Digital Transformation）とは ユーザーのプライバシーに寄り添い、信頼性と利便性を両⽴させたDXがプラ イバシーDX。AppleのAI戦略であるApple Intelligenceが話題の⼀例。 プライバシーDX デジタル技術 と プライバシー強化 の考え⽅をベースに製品、サービス、 ビジネスモデルを変⾰し、競争上の優 位性を確⽴すること
13. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 15 ⼀般的なDX ⼀⽅で、通常のDXではデジタル技術がフォーカスされる傾向にある プライバシーDX デジタル技術 と プライバシー強化 の考え⽅をベースに製品、サービス、 ビジネスモデルを変⾰し、競争上の優 位性を確⽴すること ⼀般的なDX データ と 顧客や社会のニーズを基に、製品や サービス、ビジネスモデルを変⾰する デジタル技術 を活⽤して 経産省「デジタルガバナンス・コード2.0」より
14. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 16 プライバシーDXが必要な背景 パーソナルデータ活⽤のニーズは⾼まるが、 規制強化による対応コストの増加や、炎上リスクにより事業の撤退も 強化されるプライバシー規制 規制 対象 施⾏年 改正 個⼈情報保護法 CCPA GDPR （⼀般データ保護規則） ⽇本 EU域内 カリフォ ルニア州 2022年4⽉ 2018年5⽉ 2018年1⽉ 個⼈情報保護法対応について が⼈員不⾜と回答 規制が強化されるが、 ⼤⼿企業の3分の1以上 事業の撤退事例も相次ぐ 参照：https://diamond.jp/articles/-/215312 参照： https://www.yomiuri.co.jp/science/20220903-OYT1T50092/ 参考：https://www.pwc.com/jp/ja/knowledge/thoughtleadership/personal-information-protection-law2.html
15. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 18 Acompanyのサービス パーソナルデータを伴うプライバシーDXを⼀気通貫で⽀援 価値創出 （攻め） プライバシー保護 （守り） STEP 1 STEP 2 STEP 2 PaaSプロダクト SaaSプロダクト プロフェッショナルサービス プライバシーDXコンサルティング
16. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 22 Acompanyのチーム 難易度の⾼い事業を推進するための組織体制を構築 × × 顧問弁護⼠ プライバシー領域の第⼀⼈者などの弁護⼠陣で、 法的観点もカバーした体制で事業を推進。 法務プライバシー スペシャリスト ・インハウス弁護⼠ ・法科⼤学院出⾝の法務R&D ビジネスコンサル スペシャリスト プライバシー保護技術 スペシャリスト 卓越したエンジニア陣 ・スタートアップCTO経験者複数 ・IPA未踏スーパークリエイター ・数学Ph.D ・暗号、数学修⼠ （イリノイ⼤、東⼤、京⼤等） ・競プロアジア⼤会に出場者複数 ・競技プログラミング（橙/上位0.25%） ・国際学会受賞者 コンサルや⼤⼿外資IT、メガベン チャー出⾝で、⼤⼿企業とプロ ジェクトを推進してきた⼈材が 集結
17. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 23 「AutoPrivacy」とは プライバシーDXを実現するためのプロダクト群 パーソナルデータクラウド プライバシーテックPF 秘密計算 連合学習 合成データ 匿名化 差分プライバシー マスキング ⽣成AI PII検知 共通PF アカウント管理 アクセス制御 データコネクタ New 1 パッケージ（提供形態） プロダクトとして提供される プラットフォーム（PF） プライバシーテックPFと 共通PFから構成される
18. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 24 事例（⼀部） • プライバシーテックを⽤いて個⼈データを⾮個⼈データ化し分析可能なDCR構築 • データ処理環境として「AutoPrivacy DCR」を採⽤いただく データ流通プラットフォーム構築 • Web3やTrusted Webで活⽤可能な本⼈認証及びID管理システム • 秘密計算を⽤いて秘密鍵の管理と認証をセキュアに実現する 本⼈認証/ID管理システム構築 • 3rd party Cookie規制に対応したマーケティングソリューションの構築 • プライバシーテックを⽤いて同意不要で分析可能なDCR構築 ポストクッキーソリューション構築 • 複数の医療機関で安全な医療データ連携基盤の構築 • プライバシーテックを⽤い、各病院のデータを秘匿したまま医療AIを構築 医療AIプラットフォーム 某⼤⼿企業様
19. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 26 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 3. プライバシーテックの活⽤例
20. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 29 プライバシーテックの活⽤例 今回は3つのユースケースを例にご紹介 1 PIIの検出 2 ⾮個⼈情報への加⼯ 3 データ秘匿分析 1. PIIディスカバリー 2. PIIマスキング PII（特定の個⼈を識別するた めに使⽤できる情報）を 検出して活⽤する技術 1. 匿名加⼯情報化 2. 合成データ 個⼈データを⾮個⼈データへ 加⼯して活⽤する技術 1. 秘密計算 2. 連合学習 データの中⾝を開⽰せずに 分析を可能とする技術
21. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 30 プライバシーテックの活⽤例 今回は3つのユースケースを例にご紹介 1 PIIの検出 2 ⾮個⼈情報への加⼯ 3 データ秘匿分析 1. PIIディスカバリー 2. PIIマスキング PII（特定の個⼈を識別するた めに使⽤できる情報）を 検出して活⽤する技術 1. 匿名加⼯情報化 2. 合成データ 個⼈データを⾮個⼈データへ 加⼯して活⽤する技術 1. 秘密計算 2. 連合学習 データの中⾝を開⽰せずに 分析を可能とする技術
22. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 31 ①PIIの検出 / そもそもPIIとは？ PII(Personally Identifiable Information)とは特定の個⼈を識別することができる情報 例) ⽒名、性別、⽣年⽉⽇、住所、電話番号、メールアドレス、パスポート番号、位置情報、顔画像など 国際標準の定義はなく、各国規制で定義 ✓ ⽇本では「個⼈情報」として定義 ✓ PIIが流出するとプライバシー侵害や攻撃のリスク ✓ 企業からの漏洩は信頼やブランドイメージを毀損 ✓
23. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 32 ①PIIの検出 / 頻発するデータ漏えい事件 Acompany (2024.4) • アクセス権の設定ミスによる個人情報の漏洩可能性 • 個人情報保護委員会への報告、個人情報の漏洩可能性 のあるユーザーへの報告と謝罪 トヨタ (2023.7) • クラウド環境の設定ミスによる個人情報の漏洩可能性 • 個人情報保護委員会より、適切な従業員教育、適切な アクセス制御、委託先の適切な監督の実施を要求 参考：https://www.nikkei.com/article/DGXZQOUA110P40R10C24A6000000/
24. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 33 ①PIIの検出 / PIIを検出する作業にはコストとリスクが伴う インシデント直後、 1,097件のファイルを⼿作業で確認… 膨⼤な⼿作業 ✓ 確認漏れのリスク ✓ 動的な対応は難しい ✓ PII検出の⾃動化による解決
25. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 34 ①PIIの検出 / 1. PIIディスカバリー PIIの検出を⾃動化する「PIIディスカバリー」技術 こんにちは、えーと、⽥中ライキ と申します。今年、26になる代 で、株式が医者アカンパニーの CTOをしています。愛知県名古屋 市千種区不⽼町市場んちに住んで いて… 正規表現やLLMでPIIを⼀定の精度で検出可能 表記揺れや誤植を含むテキストデータからも⼀定の精度で検出可能に 名前: ⽥中ライキ 年齢: 26 所属: 株式が医者アカンパニー 役職: CTO 住所: 愛知県名古屋市千種区不 ⽼町市場んち
26. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 35 ①PIIの検出 / 1. PIIディスカバリー PIIの検出を⾃動化する「PIIディスカバリー」技術
27. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 36 ①PIIの検出 / 2. PIIマスキング PIIを検出した上で、別の値へ置き換えて隠蔽する「PIIマスキング」技術 こんにちは、えーと、⽥中ライキと申します。 今年、26になる代で、株式が医者アカンパ ニーのCTOをしています。愛知県名古屋市千 種区不⽼町市場んちに住んでいて… 外部へのデータ提供時や外部サービス利⽤の際に、機密データの保護が可能 例) 委託先へのデータ提供、ChatGPTなどのLLM利⽤時など 名前: ⽥中ライキ 年齢: 26 所属: 株式が医者アカンパニー 役職: CTO 住所: 愛知県名古屋市千種区不⽼町市場んち こんにちは、えーと、[name 1]と申します。今 年、[age 1]になる代で、[company 1]の[role 1] をしています。[address 1]に住んでいて…
28. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 37 ①PIIの検出 / 2. PIIマスキング PIIを検出した上で、別の値へ置き換えで隠蔽する「PIIマスキング」技術 事例：Private AI社のPrivateGPT AutoPrivacyもAPIで同様機能を提供 https://private-ai.com/ja/pai-privategpt-chatbot/
29. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 38 プライバシーテックの活⽤例 今回は3つのユースケースを例にご紹介 1 PIIの検出 2 ⾮個⼈情報への加⼯ 3 データ秘匿分析 1. PIIディスカバリー 2. PIIマスキング PII（特定の個⼈を識別するた めに使⽤できる情報）を 検出して活⽤する技術 1. 匿名加⼯情報化 2. 合成データ 個⼈データを⾮個⼈データへ 加⼯して活⽤する技術 1. 秘密計算 2. 連合学習 データの中⾝を開⽰せずに 分析を可能とする技術
30. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 39 ②⾮個⼈情報への加⼯ / 個⼈情報の取り扱いは⾮常にコストがかかる https://www.gov-online.go.jp/useful/article/201703/1.html#fourthSection
31. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 40 ②⾮個⼈情報への加⼯ / 個⼈情報の加⼯と法的な位置づけについて ⾮個⼈情報 個⼈情報 データの価値 個人情報 仮名加工情報 匿名加工情報 個人関連情報※1 データの 活用可能量※4 本人同意 - 明確 （規定有り） 不明確 （規定無し） データの 加工方法 必要 不要※2 不要※3 不要 大 小 少 多 ※1 個人関連情報については取り扱い状況によって様々な状況があり得るためこの限りではない場合もある ※2 仮名加工情報を他事業者と共同利用する場合、共同利用を公表することで本人同意が不要 ※3 ただし公表は必要 ※4 第三者とデータ連携する場面を前提 こちらをうまく 活⽤したい
32. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 41 ②⾮個⼈情報への加⼯ / 1. 匿名加⼯情報化 「匿名加⼯情報」は特定の個⼈を識別できず、復元もできないようにした情報 ⼀定のルールの下で、本⼈同意を得ることなく、事業者間におけるデータ取引やデータ連携を含む パーソナルデータの利活⽤を促進することを⽬的に個⼈情報保護法の改正により新たに導⼊
33. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 42 ②⾮個⼈情報への加⼯ / 1. 匿名加⼯情報化 厳密な加⼯⼿法の限定は存在せず、定義を満たすように加⼯を⾏う
34. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 43 ②⾮個⼈情報への加⼯ / 1. 匿名加⼯情報化 匿名性と有⽤性はトレードオフの関係 重要な情報や統計的な性質が失われ、データの有⽤性が低下してしまうケースがある 例)⺟数が少ない匿名性の低い希少疾患などの情報は⽋落しやすい トレードオフ 匿名性 有⽤性 どれだけ個⼈特定の リスクが低減されているか どれだけ元データの 特徴が保持されているか
35. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 44 「合成データ」とは元データの統計的特性を残し、ダミーデータを⽣成する技術 • ⽣成されるデータはあたかも個⼈データに⾒えるが架空の個⼈に関する情報と⾒做せる • パーソナルデータの匿名性と有⽤性を両⽴したままデータ活⽤が可能 • 委託先での持ち出しや不正アクセス等のサプライチェーンリスクに有⽤ ⽒名 年 齢 住所 ⾝⻑ 職業 家族構成 性別 ⼭⽥ 太郎 40 東京都新宿区 158 エンジニア 独⾝ 男性 鈴⽊ 次郎 23 神奈川県横浜市 169 教師 既婚 男性 ⽥中 花⼦ 59 千葉県千葉市 153 看護師 独⾝ ⼥性 ⼩林 健太 54 埼⽟県さいたま 市 174 会社員 既婚・⼦供あ り 男性 佐藤 由紀 41 東京都港区 188 デザイナー 独⾝ ⼥性 中村 美樹 45 神奈川県川崎市 167 営業 既婚 ⼥性 ⼯藤 翔太 56 千葉県船橋市 159 医者 既婚・⼦供あ り 男性 藤本 明 36 埼⽟県川越市 177 弁護⼠ 独⾝ 男性 … ⽒名 年 齢 住所 ⾝⻑ 職業 家族構成 性別 佐藤 太⼀ 55 東京都墨⽥区 161 プログラマー 独⾝ 男性 中村 健 56 神奈川県藤沢市 188 ⾼校教師 既婚 男性 加藤 美穂 49 千葉県松⼾市 183 薬剤師 独⾝ ⼥性 伊藤 翔 54 埼⽟県所沢市 189 会社員 既婚・⼦ 供あり 男性 吉⽥ 花 21 東京都世⽥⾕区 171 デザイナー 独⾝ ⼥性 ⼭本 智⼦ 43 神奈川県鎌倉市 171 マーケティング 既婚 ⼥性 ⽊村 優 48 千葉県柏市 175 外科医 既婚・⼦ 供あり 男性 橋本 亮 42 埼⽟県熊⾕市 168 弁護⼠ 独⾝ 男性 … 元データ ⽣成されたダミーデータ 統計的分布や 深層学習⼿法 AIの学習データとし ての利⽤で精度向上 の研究結果も存在 元の個⼈情報の流通はプライバシー侵害や 漏えい等のリスクがある 元の個⼈情報と同じ特徴を持つ ダミーデータで安全にデータの活⽤ができる 元データの特徴を 学習し、データ⽣成 ②⾮個⼈情報への加⼯ / 2. 合成データ
36. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 45 プライバシーテックの活⽤例 今回は3つのユースケースを例にご紹介 1 PIIの検出 2 ⾮個⼈情報への加⼯ 3 データ秘匿分析 1. PIIディスカバリー 2. PIIマスキング PII（特定の個⼈を識別するた めに使⽤できる情報）を 検出して活⽤する技術 1. 匿名加⼯情報化 2. 合成データ 個⼈データを⾮個⼈データへ 加⼯して活⽤する技術 1. 秘密計算 2. 連合学習 データの中⾝を開⽰せずに 分析を可能とする技術
37. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 46 ③データ秘匿分析 / 前述の⼿法（匿名加⼯/合成データ）では、⽣データ精度は出せない ⽣データ精度での分析と、データの秘匿性やセキュリティ⽔準を維持したいユースケースに有効 例) 医療AIで学習データの正確性が必要、パーソナライズしたサービスが提供したい ⽣データを開⽰することなく計算が可能 ✓ 精度は⽣データ同等も実現可能 ✓ AppleやGoogleなども導⼊を進めている ✓ プライバシーテックによるデータ秘匿分析
38. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 47 ③データ秘匿分析 / 1. 秘密計算 （再掲）計算過程を暗号技術等により秘匿化したまま処理する技術の総称 計算結果 データ 暗号化 結果のみ復元 秘匿化したまま計算 秘密計算
39. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 48 ③データ秘匿分析 / 1. 秘密計算 代表的な3つの秘密計算⼿法 ⼿法の依存度はあるが、暗号学的な秘匿性を担保したままで⽣データ同等精度での分析が可能 TEE⽅式 TEE：Trusted Execution Environment ハードウェアを利⽤した⽅式 計算結果 暗号化データ 保護領域 ハードウェア環境 （Intel SGX、AMD SEV） 安全な保護領域に保持する鍵で 復号して計算実⾏する MPC⽅式 MPC：Multi-Party Computation データを秘密分散のまま計算する⼿法 計算結果 データ 分割した 断⽚のみ を送信 計算結果の 断⽚値を集計 秘密分散 / 復元 分割 HE⽅式 HE：Homomorphic Encryption 直接演算可能な暗号⽅式 計算結果 暗号化データ 暗号化したまま 計算実⾏ 復号
40. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 49 ③データ秘匿分析 / 1. 秘密計算 代表的な3つの秘密計算⼿法 ⼿法の依存度はあるが、暗号学的な秘匿性を担保したままで⽣データ同等精度での分析が可能 TEE⽅式 MPC⽅式 HE⽅式 TEE：Trusted Execution Environment ハードウェアを利⽤した⽅式 MPC：Multi-Party Computation データを秘密分散のまま計算する⼿法 HE：Homomorphic Encryption 直接演算可能な暗号⽅式 計算結果 暗号化データ 保護領域 ハードウェア環境 （Intel SGX、AMD SEV） 安全な保護領域に保持する鍵で 復号して計算実⾏する 計算結果 データ 分割した 断⽚のみ を送信 計算結果の 断⽚値を集計 秘密分散 / 復元 分割 計算結果 暗号化データ 暗号化したまま 計算実⾏ 復号 本⽇はTEEにフォーカス
41. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 50 ③データ秘匿分析 / 1. 秘密計算 TEEでは保護領域（Enclave）の中は誰もアクセスできない CPUなどの信頼可能なハードウェアにより、メモリ上に厳重に隔離された保護領域を⽣成し、 データを保護しながら開発者定義のプログラムを実⾏する技術
42. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 51 ③データ秘匿分析 / 1. 秘密計算 事例：Appleの⽣成AI技術、Apple Inteligence ✓ 軽量なタスクはデバイス内の⾔語モデルで処理し、 より⼤規模なタスクはPrivate Cloud Compute（PCC） サーバー上の⾔語モデルを利⽤ ✓ PCCのApple SiliconサーバにはSecure Enclaveという TEEが搭載 ✓ PCCに送られたデータはユーザの要求した操作に のみ使⽤され、Appleでさえアクセスできない* *第三者が暗号学的に検証可能 TEEによるプライバシー重視の⽣成AIプラットフォームを発表 https://support.apple.com/ja-jp/guide/security/sec59b0b31ff/web
43. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 52 ③データ秘匿分析 / 1. 秘密計算 事例：SGX-based Enclaved Identifier Matching（SGX-EIM） SCIS2024にて、TEEベースの秘匿IDマッチング⼿法を提案 • 個⼈データを⾮個⼈情報化した後、TEEでクロス集計表を⽣成して結果のみを出⼒する • 処理プロセスにおいて、⽣データにはAcompanyやクラウドベンダすらもアクセスできない
44. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 53 ③データ秘匿分析 / 1. 秘密計算 AutoPrivacy DataCleanRoomではSnowflake経由でSGX-EIMを利⽤可能
45. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 54 ③データ秘匿分析 / 2. 連合学習 「連合学習」とはデータを共有せず、パラメーターのみ共有し機械学習を⾏う 事 業 者 Ａ 事 業 者 Ｂ 機械 学習 機械 学習 1 2 連合 学習 3 4 統合AIモデル ローカル環境で 機械学習を実施 中央サーバーで AIモデルを更新 更新された統合AIモデル のパラメーター共有し、更新 4 構築されたAIモデル のパラメーターを共有 AIモデル A AIモデル B データA データB
46. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 55 ③データ秘匿分析 / 2. 連合学習 事例：Android OSにおけるGoogleキーボードのサジェスト品質向上 • ⽂字⼊⼒の際に、端末内のモデルでサジェストした候補から、選ばれたキーワードでモデルを更新、 変更差分のみをクラウドに集積して共有モデルを改善 • ユーザの会話履歴や選択されなかった候補などの情報は蓄積されない
47. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 56 ③データ秘匿分析 / 2. 連合学習 事例：複数⼤学病院が共同で安全にデータ連携しながらAIモデルを構築 他施設間の医療データでの安全な連携基盤を⽬指す ✓ 患者データを安全に統合学習する課題を解決する ✓ 「⾰新事業創造事業補助⾦」にも採択 ✓ 連合学習による医療AIプラットフォーム • 名⼤病院、東北⼤病院、北⼤病院と共同で連合学習を⽤いた安全な医療AI構築の取り組み • 消化管出⾎の患者データを学習し、追加の医療⾏為が必要かどうかを推定するAIモデルを構築
48. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 57 データ分析時に データが漏洩し ないよう、計算 過程を暗号技術 等により秘匿化 したまま処理す る技術 秘密計算 複数の環境に存 在するデータ を、集約せずに 分散した状態の まま機械学習を ⾏うことができ る技術 連合学習 3 データ秘匿分析 パーソナルデー タに含まれるPII を検出し、別の 値に変更して隠 蔽する技術 PIIマスキング SaaSやクラウド サービス等にあ るデータから、 パーソナルデー タを⾃動的に発 ⾒する技術 PIIディスカバリ ⾮個⼈情報とし て取り扱えるよ う、特定の個⼈ を識別すること ができないよう にした加⼯⼿法 匿名加⼯情報化 元データの統計 的特性を残した 匿名性の⾼いダ ミーデータを⽣ 成する技術 合成データ 1 PIIの検出 2 ⾮個⼈情報への加⼯ データ収集 データ管理 データ活⽤ データ加⼯ データ活⽤のフェーズによって有効なプライバシーテックを活⽤することが重要 データ活⽤のステップ概略 プライバシーテックのまとめ
49. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 58 まとめ パーソナルデータ活⽤においてプライバシーテックは不可⽋になっていく • プライバシーテックの活⽤は直近数年で加速度的に進んでいる • ⼀⽅で、適切に実装・運⽤するには⾼度な専⾨知識が求められる • Acompanyでは、プライバシーテックを簡単に利⽤可能なプライバシーテックPFを構築 • PF上の技術を組み合わせプロダクト化し、プライバシーDXを推進 • プライバシーテックの活⽤例を紹介 • フェーズによって適切な技術を組み合わせて活⽤することが重要
50. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 60 （再掲）ブースでお待ちしております 本⽇お配りしたクリアファイルに秘密分散を ⽤いたギミックを⽤意しています😎 復元できた⼈にはモザイクTをプレゼントしてます！🙌 Acompanyの ブースまで！
51. STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 61 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. ご清聴ありがとうございました！