概要

一般的に機械学習で携わる時間の大部分は学習や推論の手前、すなわち前処理に費やされるとされています。外部コンピューティングリソースを活用することで膨大な時間とコストの削減が期待できますが、セキュリティ制約がこれを阻んでいます。Query Aheadは、データを秘匿化したまま前処理を可能とするため、セキュリティを担保したまま外部コンピューティングリソースを活用することを実現し、この期待に応えます。

実用化・製品化への課題

マルチパーティによる秘匿計算技術をベースとした本ソリューションには計算サーバー（ユーザー含め三者間の計算サーバー）の確立ならびに運用を必要としかつ各サーバー間同士が結託しないことが求められるため、それぞれの計算サーバーを担いうる社会的信用かつ事業継続力を有するパートナーとの協業が実用化への必須要件でありまた課題となります。

研究成果の概要

機械学習における課題

物理的制約によりデータ利活用が高コスト・非効率に
特に機械学習の前処理に苦労

ソリューション

リソースの解放によるコスト削減＋効率化

プロセス

機械学習における加工前データを秘匿化したまま
計算処理できるため、その処理に外部のクラウドや
リソースを安全に活用することが可能となる

Query Ahead 　デモ動画

Query Aheadの説明およびデモを動画でご覧ください。

Query Ahead　物理制約を解き放つ秘匿計算データ処理システム