秘密决策树学习装置、秘密决策树学习系统、秘密决策树学习方法、及程序与流程

本发明涉及秘密决策树学习装置、秘密决策树学习系统、秘密决策树学习方法、及程序。

背景技术：

1、作为无需恢复加密数值即可获得特定的运算(计算)结果的方法，已知一种被称为秘密计算的方法(例如，非专利文件1)。非专利文件1记载的方法中，通过进行将数值分片分散至3个秘密计算装置这样的加密处理，并由3个秘密计算装置进行协同计算，可无需恢复数值地获得作为分散至3个秘密计算装置的状态的加减法、常数加法、乘法、常数乘法、逻辑运算(取反、逻辑积、逻辑和、及异或)、数据格式转换(整数和二进制数)等的结果。

2、另外，当根据给定的数据集合使决策树进行学习(即，对决策树进行训练)时，由各节点(node)根据各数据的属性值来计算对数据集合进行划分(分割)时的评价(评估)值，并采用该评价值为最大的划分的方法也是众所周知的。

3、[引证文件]

4、[非专利文件]

5、非专利文件1：千田浩司，滨田浩气，五十岚大，高桥克巳，「轻量检证可能3パーティ隐藏关数计算的再考」，in css，2010.

技术实现思路

1、[要解决的技术问题]

2、然而，在通过秘密计算使决策树进行学习的情况下，其计算时间较长。例如，在决策树为高度h以下的二叉树的情况下，秘密计算中，为了对各节点分类的数据数(即，数据数量)进行隐藏，数据集合的参照次数需为θ(2h)次。为此，如果决策树的高度增大，则学习所需的计算时间也会变长。

3、本发明的一个实施方式是鉴于上述问题而提出的，其目的在于，减少通过秘密计算使决策树进行学习时的计算时间。

4、[技术方案]

5、为了实现上述目的，一个实施方式的秘密决策树学习装置是一种通过秘密计算使决策树进行学习的秘密决策树学习装置，其具有：输入部，输入由多个(plural)记录构成的数据集合，所述多个记录包括1个以上的说明变量(explanatory variable)的属性值和目标变量(objective variable)的属性值；及学习部，按照所述决策树的每个层次(hierarchy)，集中进行所述层次中包含的所有节点的所述数据集合的划分，藉此使所述决策树进行学习。

6、[有益效果]

7、能够减少通过秘密计算使决策树进行学习时的计算时间。

技术特征：

1.一种秘密决策树学习装置，通过秘密计算使决策树进行学习，所述秘密决策树学习装置具有：

2.如权利要求1所述的秘密决策树学习装置，其中，

3.如权利要求2所述的秘密决策树学习装置，其中，

4.如权利要求2或3所述的秘密决策树学习装置，其中，

5.一种秘密决策树学习系统，通过秘密计算使决策树进行学习，所述秘密决策树学习系统具有：

6.一种秘密决策树学习方法，通过秘密计算使决策树进行学习，所述秘密决策树学习方法由计算机执行，并具有：

7.一种程序，使计算机作为如权利要求1至4中的任一项所述的秘密决策树学习装置而发挥功能。

技术总结
一个实施方式的秘密决策树学习装置是一种通过秘密计算使决策树进行学习的秘密决策树学习装置，其具有：输入部，输入由多个记录构成的数据集合，所述多个记录包括1个以上的说明变量的属性值和目标变量的属性值；及学习部，按照所述决策树的每个层次，集中进行所述层次中包含的所有节点的所述数据集合的划分，由此使所述决策树进行学习。

技术研发人员：滨田浩气
受保护的技术使用者：日本电信电话株式会社
技术研发日：
技术公布日：2024/1/13