プライバシアウェアなPeer-to-Peer k-meansクラスタリング

抄録

本稿ではPeer-to-Peer(P2P)ネットワークにおけるプライバシアウェアなk-meansクラスタリングを提案する. Privacy-Preserving Data Mining (PPDM)は分散して地奇跡されたデータを用いて, 互いにデータを開示することなくデータマイニングを実行する技術である. 従来のPPDMは参加ノード数が比較的少ないことを想定しているが, 参加ノード数が多い場合には, (1)メッセージ交換におけるグローバルな同期が保障されない, (2)参加ノードはプロトコル実行中に停止するか, 接続が切断される可能性がある, などの可能性を考慮するべきである. このような困難さに対処しつつ, プライバシ保護と計算効率性を両立させるために, 本稿ではプライベートな非同期平均計算プロトコル(private AAC)とプライベートな最近接点決定(private NRI)を組み合わせた$k$-meansを提案する. 提案プロトコルはノード数が$10^4$程度の大規模ネットワークにおいても, 提案プロトコルは現実的な時間に完了することが数値実験により示された.