長谷川研究室 - 研究テーマ

分散学習

Google Keyboard（Gboard）のように、教師データをサーバに集めることなく、端末で機械学習した差分モデルをサーバで足し合わせる分散学習が普及しています。教師データをサーバに集めて学習する集中型機械学習と比較して、教師データの漏洩を避けています。

分散学習（フェデレーテッドラーニング）

敵対生成ネットワーク (GAN) を用いることで、差分モデルから教師データを復元する攻撃が、分散学習の脅威となりつつあります。最新の差分モデル攻撃に対して、端末数、ラベル数、学習回数と復元率の関係を計測することで、攻撃の弱点を明らかにします。

差分モデル復元攻撃

ネットワークにおいて端末が送信した差分モデルをセキュアに合算することで、攻撃者から個々の差分モデルを隠蔽するセキュアアグリゲーションを開発しています。基本アルゴリズムを開発し、自動運転や位置サービスなどへの応用を進めています。

セキュアアグリゲーション

Research Themes

スイッチASICをベースに、超高速で低消費電力なBeyond 5G/6Gネットワークの実現に向けたプログラミング技術を研究しています。

機械学習と暗号技術を組み合わせて、Beyond 5G/6G時代の攻撃検出技術や攻撃防御技術を研究しています。

多数のスマートフォンを協調させて、高速で安全な機械学習を実現する分散機械学習を研究しています。

AIに基づく最先端のアルゴリズムを、もののインターネット (IoT) 時代の通信デバイスを対象として最適化しています。

計算資源の豊富でないデバイスにおいて、高度信頼実行環境や軽量暗号を活用したプライバシー保護を研究しています。

量子状態を効率的に送信するインターネット技術の研究開発を足がかりに、量子技術を用いたインターネットの実現を目指して研究しています。