【大学研究室Vol.26】組織の壁を越えた多様な統計解析を実現！「完全準同型暗号」を用いた、世界初の秘密計算手法の構築に成功

多種類のデータを暗号のまま解析する

現在の第３次ＡＩブームの起爆剤となったのは、ビッグデータを活用した機械学習や深層学習と呼ばれる技術だ。これらの技術の発展に伴い、ＡＩによる意思決定が社会に実装されつつあるが、その根幹となるビッグデータには膨大な〝個人情報〞が含まれると想定される。

ＡＩが人間の重要な意思決定を担うためには、学習・意思決定プロセスにおいて、個人情報などの漏洩や、そのパフォーマンスが悪意を持つ人間や組織に恣意的に操作されないことが求められる。筑波大学の佐久間淳教授は、ＡＩが社会で適切に利用されるために不可欠なセキュリティとプライバシーの基盤技術を研究しており、「完全準同型暗号」と呼ばれる秘密計算の分野で最先端を走っている。２０１７年には、遺伝子データをはじめとする多様な種類のデータを暗号のまま、従来よりも速いスピードで解析できる秘密計算手法を構築した。

「データを暗号化した状態で他人に委託し、そのデータの中身を秘匿したまま計算や解析を実施して結果だけを返してもらう。完全準同型暗号はそれを可能にする技術で、これを使えば複数の場所に分散している個人情報を用いて、本人のプライバシーを損なうことなく、統計解析や機械学習などが実現できます」この技術の応用例として、遺伝子情報や症例データなどの統計解析を通じた、医療・医学などの分野におけるデータの活用が考えられるという。

「ヒトの遺伝子情報は、個人の将来疾病リスクや能力などと関係する可能性があり、それが外部に漏れると当該人物に悪影響を及ぼすおそれがある。秘密計算技術を使えば、個人の医療情報を保持する医療機関や、個人の遺伝子情報を保持する研究機関は、それらの情報を秘匿したまま統合的に解析できます。遺伝子の解析機関に医療データの中身を知られることなく、医療機関には統計処理した結果のみが示されるため、患者のプライバシーはほぼ確実に守られます。患者の同意のもと、複数の医療機関が連携すれば、各機関は患者の個人情報を外部に開示せずとも、遺伝子変異と疾患の統計的関係など医学の発展に役立つ知見や、ある患者が特定の病気にかかりやすいか否か、その患者の体質傾向の解析結果など、個別の患者の医療に役立つ情報が得られるというわけです」

解析対象となるデータが増えるほど、難病や希少疾患の原因遺伝子が特定しやすくなることはもちろん、いわゆる「個別化医療」の進展も期待される。例えばアメリカでは、年間約10万人が薬剤の副作用で死亡しているといわれている。患者の遺伝子や体質の傾向がわかれば、それに応じた最適な薬剤と用量を処方することで副作用を、また、予防的な外科手術や生活習慣の見直しによって発病が抑えられる可能性も想定できるのだ。