AIF責任あるAIのガイドライン
医療研究機関が複数の病院から患者データを収集してAIモデルを共同でトレーニングしたいと考えています。個々の患者が特定されるリスクを最小化しながら、データの統計的有用性を維持する必要があります。集計結果に統計的ノイズを加えることで個人のプライバシーを保護しながら有用な分析を可能にする技術はどれですか？
Aデータ暗号化（Data Encryption）：データを暗号化して不正アクセスを防ぐ技術。ただし復号化権限を持つ研究者が集計結果から個人を特定するリスクは防げない
データ暗号化は不正アクセスを防ぐ技術であり、正規の分析処理の結果から個人を特定されるリスクへの対策にはなりません。
Bデータ匿名化（Data Anonymization）：氏名・識別子などの個人情報を削除または置換する技術。ただし準識別子の組み合わせによる再識別リスクが残り、数学的なプライバシー保証がない
データ匿名化が識別子の削除であるのに対し、差分プライバシーは数学的なプライバシー保証を提供し、集計データ公開時にも個人を保護できます。
C差分プライバシー（Differential Privacy）：統計的ノイズを加えて個人特定を防ぎながら集計データの有用性を保つ技術
✓ 正解
差分プライバシー（Differential Privacy）は、データセットや計算結果に意図的な統計的ノイズを加えることで、特定の個人がデータセットに含まれるかどうかを判別できないようにしながら集計統計の有用性を維持するプライバシー保護技術です。
Dアクセス制御（Access Control）：権限のあるユーザーのみにデータアクセスを限定する技術。権限を持つ研究者が正規のアクセスで集計結果から個人を推定するリスクは防げない
アクセス制御はデータへのアクセス権限管理であり、権限を持つ研究者が集計結果から個人を推定するリスクを防ぐことはできません。
解説
差分プライバシー（Differential Privacy）は、データセットや計算結果に意図的な統計的ノイズを加えることで、特定の個人がデータセットに含まれるかどうかを判別できないようにしながら集計統計の有用性を維持するプライバシー保護技術です。
選択肢Aのデータ暗号化は不正アクセスを防ぐ技術であり、正規の分析処理の結果から個人を特定されるリスクへの対策にはなりません。
選択肢Bのデータ匿名化が識別子の削除であるのに対し、差分プライバシーは数学的なプライバシー保証を提供し、集計データ公開時にも個人を保護できます。
選択肢Dのアクセス制御はデータへのアクセス権限管理であり、権限を持つ研究者が集計結果から個人を推定するリスクを防ぐことはできません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →