差分プライバシー
統計データや学習済みモデルから個人の情報が推測されにくくなるように、計算の結果に数学的に調整したノイズを加えて、プライバシーを守る考え方を何というか。最も適切なものを1つ選べ。
- A
オプトアウト
- B
データ拡張
- C
k-means法
- D
差分プライバシー
正解と解説を見る
正解：D
差分プライバシーは、結果にノイズを加えて、個人の情報が推測されにくくする考え方。
| 方法 | 考え方 |
|---|---|
| 匿名加工 | 個人を特定できないように加工する |
| 差分プライバシー | 統計にノイズを加え、個人が含まれたか分からなくする |
| 連合学習 | データは端末に残し、学習結果だけを集める |
- A
誤り。本人が拒否しない限りデータの提供などを行い、申し出があれば止める方式。
- B
誤り。学習データを加工して増やす方法。
- C
誤り。クラスタリングの手法。
- D
正しい。ある1人のデータが含まれているかどうかで結果がほとんど変わらないようにする。データを手元に集めずに学習する連合学習とあわせて使われることもある。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。