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

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

STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 2 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 1. 登壇者紹介

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

STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 4 秘密計算とは？

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

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

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

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

STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 10 STRICTLY CONFIDENTIAL©Acompany Co.,Ltd. 2. 事業紹介

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

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.

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

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

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

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

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

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

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

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

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

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 ✓

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/

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

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

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

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…

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/

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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！

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

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

More Decks by raiki tanaka

Other Decks in Technology

Featured

Transcript