「教育データの利活用に係る留意事項（第１版）（案）」に関する意見募集の実施について
国民の皆様へご意見を募集しております。 情報を守るSecurityと個人情報保護より広い範囲の人格的、財産的な権利を守るPrivacy by Designについて、私からもコメントさせて頂きました。
教育データが漏洩した場合の復旧手段について、予め対策を想定しておくことを提案致します。
例えば、2022年10月13日に生徒を性的表現で評価した個人情報が不特定多数に流出した札幌市内の公立中学校の男性教員の事件で、盗撮されたとみられる生徒の画像も含まれておりました。
プライバシー・バイ・デザイン 7 つの原則に基づいて、プライバシー保護の仕組みと運用が可視化され透明性が確保されること、どのような事業または技術であってもプライバシー保護の仕組みが機能することを、全ての関係者が保証すること。利用者及び提供者に可視化され検証できる必要があります。
２．プライバシーの保護
そこで、プライバシー侵害が発生する前に、それを予防することを目的するプライバシー・バイ・デザインのアプローチでは、データそのものを集めず、ローカルで学習したモデルが持つ差分データや特徴量だけを統合する連合学習（Federated learning）を用いる方法があります。
つまり、互いに機密性の高いデータを直接共有せずに複数の組織が共同でモデルを開発することができます。
これは数あるアプローチの一つとして、教育データを持たないことで、プライバシー保護の仕組みが機能することを保証する考え方となります。
「教育データの利活用に係る留意事項（第１版）（案）」に関する意見募集の結果について
【セキュリティ対策】 について、パブリックコメントの結果が公示されましたので、ご報告いたします。 微力ながら、お役に立ちましたら幸いです。
教育データの利活用に係る留意事項 第１版（令和５年３月）
プライバシー・バイ・デザインの実現に向けて
今後は、教育データを持たないことで、プライバシー保護の仕組みが機能することを保証する考え方を取り入れ、例えばデータそのものを集めず、ローカルで学習したモデルが持つ差分データや特徴量だけを統合する連合学習（Federated learning）など用いることを検討頂ければと思います。
この記事が気に入ったらサポートをしてみませんか？