これからのデータ利活用 - データ流通における技術トレンド「プライバシーテック」の現状と課題

プライバシーテックの4つの代表的な技術

プライバシーテックにはさまざまな技術が存在しますが、ここではデータ流通において活用される代表的なプライバシーテックとして「連合学習（Federated Machine Learning）」「秘密計算（SMPC、準同型暗号）」「差分プライバシー（Differential Privacy）」「ブロックチェーン（Blockchain for Data Security）」の4つを紹介します。

1. 連合学習（Federated Machine Learning)¹

①概要

連合学習は個人情報や機密情報を開示することなく、それらが分散した環境で機械学習アルゴリズムを学習させる技術です。

②特徴

従来の機械学習では、複数のサーバーに分散されたデータを学習する場合、学習用データを1つのサーバーに集約する必要がありました。しかし連合学習では、学習用データを複数のサーバーに分散させたまま機械学習モデル開発を行ない、各サーバーで開発したモデルのパラメータのみを1つのサーバーに集約し、統合モデルを開発します。

③データ流通で期待される活用シーン

複数の企業や団体の間で個人情報や機密情報を共有して機械学習を実施する際、パーソナルデータを外部のサーバーに持ち出さずにモデル開発することが可能なため、データ漏えいのリスクを抑え、安全なデータ流通を実現することが期待されます。

2. 秘密計算（SMPC、準同型暗号）²

①概要

秘密計算とは、データを暗号化したまま処理する技術のことです。

②特徴

従来のデータ分析では、暗号化されたデータを分析する際には、分析環境上でデータを元の状態に復号化して処理する必要がありましたが、秘密計算技術を用いることで、暗号化した状態を維持しつつデータを計算処理することが可能となります。

③データ流通で期待される活用シーン

データ流通において第三者とデータを共同利用する際に、データを秘密計算サーバーで処理することで、個人情報や機密情報を第三者に公開することなく、必要な計算結果を得ることが可能となります。

3. 差分プライバシー（Differential Privacy）³

①概要

差分プライバシーとは、データの処理結果に意図的にノイズを追加し、プライバシーを確保する技術です。

②特徴

データの処理結果が統計化されていたとしても、処理に使用されたデータの一部を第三者が保有している場合、第三者が保有しているデータを処理結果に加えることで個人情報が推測されるリスクがあります。差分プライバシーは、データの処理結果に任意のノイズを加えることで、個人情報の推測を防止するために用いられます。

③データ流通で期待される活用シーン

統計化情報を外部に一般公開する際に、データの処理結果にノイズを加えることで、個人情報の推測を防止することが可能となります。

4. ブロックチェーン（Blockchain for Data Security）⁴

①概要

ブロックチェーンは「仮想通貨」「NFT（Non-Fungible Token：非代替性トークン）」に活用される技術として広く知られていますが、プライバシー分野においてもデータ利活用の透明性を確保する技術として注目されています。

②特徴

データ利用者間のデータの取引・利用記録を、暗号技術を用いた上でブロックと呼ばれる単位に保存・分散管理をします。

③データ流通で期待される活用シーン

データ利用者間の取引および利用に係る記録を保存できるため、データ流通におけるデータ取引・利用のトレーサビリティや透明性を確保することが可能となります。また、これにより、データの不正利用の抑止力となることが期待されます。

プライバシーテックの実用化における論点

ここまで、データ流通の取り組みを加速させる技術として期待されるプライバシーテックについて、その概要と活用例を紹介しました。しかしながら現状では、プライバシーテックの活用はあまり進んでいません。その要因として2つの課題がありますが、今後データ流通に取り組みたい企業が、プライバシーテックとどのように向き合えば良いかと合わせて解説します。

課題1.プライバシーテックを導入・実装する技術を持つ企業や人材が少ない

データ流通を実現させるには、データの漏えいや不正利用を防ぐために、個人情報や機密情報をセンシティブに扱い、保護する必要があります。そのため、プライバシーテックによりデータを保護することが期待されますが、そもそもプライバシーテックの導入・実装ができる企業や人材が少ないため、データ保護のニーズが発生したとしても、すぐにはプライバシーテックの実用化に至りづらい状況にあるといえます。

課題2.現状の法制度への対応が不十分

個人情報保護委員会は、データが個人情報に該当する場合は、暗号化されていたとしても法律上は個人情報に該当するため、「個人情報保護法ガイドラインに準拠した管理が必要である」と定めています⁵。そのため、「秘密計算」を使用する場合でも、第三者への提供についての本人の同意を取るなどの対応が必要です。したがって、「秘密計算」を使用しない場合と比べて、個人情報を利用することへのハードルは変わらず、「秘密計算」の「データを暗号化したまま第三者とデータ連携できる」といったメリットを活かしきれません。

企業はプライバシーテックとどう向き合うべきか

プライバシーテックとの向き合い方は、データ利活用のユースケースにより見極めるべきと考えられます。データ流通のように第三者が介入するなど、厳密なデータ保護が求められるかが、1つの判断基準となります。

また、法制度の整備によって状況が大きく変化することが予想されるため、データ利活用のユースケースに応じてプライバシーテックの導入を柔軟に決定できるように、データ利活用担当者とデータ保護担当者が密に連携できる体制を整備しておくことも必要となります。

仮にプライバシーテックを要するユースケースが現時点ではないとしても、今後のデータ流通のユースケースの増加に備えて、事業会社およびサービサーのいずれにおいても、プライバシーテックの情報収集やトライアルを実施し、必要に迫られた際に迅速に対応できるように知見を蓄えておくことも重要と考えられます。