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
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)
3. 3 © LayerX Inc. LayerX PrivacyTech事業の紹介
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
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
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
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
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
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〜
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
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
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！
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
14. 14 © LayerX Inc. プライバシーテックの 活用事例
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
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
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
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
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/
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
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
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
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
24. 24 © LayerX Inc.