差分プライバシー

差分プライバシーって何？

ある部屋の平均年収を知りたい、でも誰も自分の数字を教えたくない。差分プライバシーは、答えにわずかな「ノイズ」を混ぜます。それで結果を見た人は、特定の誰かがデータに含まれるか、その数字がいくらかを判断できなくなります。「差分」とは、たった1人だけ違う2つのデータセットを比べ、出力がどれだけ変わるかを見ること。その差を十分小さくすれば、個人は隠れます。データを隠すのではなく、「特定の個人の情報を判別できなくする」仕組みです。

なぜ「公開しつつプライバシーを守る」のか

ノイズは調整できる
どれだけノイズを足すかは数学で精密に計算できます。足すほど安全ですが、データはあいまいに。両者のバランスを取ります。
「プライバシー予算」がある
クエリのたびに予算を少しずつ消費し、上限を超えると回答を拒否します。何度も問い詰めて真実を組み立てるのを防ぎます。

どこで使われている？

AppleやGoogleは、入力の癖や閲覧データを学ぶときに個人を守るため使っています。国勢調査でも同じ考え方で統計を公開。いまは大規模モデルの学習にも使われ、モデルは「データを見ても、特定の個人を覚えない」ようになります。

解決する核心課題

昔の匿名化は「名前とIDを消す」だけ。でも郵便番号や年齢、好きな映画などの間接情報から、攻撃者は人を特定できました。差分プライバシーは数学的にその道をふさぎます。攻撃者がどんなに賢くても、あなたが含まれるかはわからない。

まとめ：差分プライバシーとは、データに「ひと工夫」加え、統計は使えるまま、誰一人として追跡できないようにする技術です。