機械学習におけるフェアウォッシングの理解と対処
–
· 201 Av. du Président-Kennedy, Montréal, QC H2X 3Y8, Canada
フェアウォッシングとは、不公平なブラックボックスモデルが、事後的な説明操作によってより公平なモデルであるかのように説明されてしまうリスクを指します。本講演では、フェアウォッシング攻撃がモデル間でどのように一般化・転移し、予測結果を明示的に使用せずとも実行可能であるかを解説します。このような攻撃の特性により、実務での検出は困難ですが、被害を制限するための研究の方向性についても考察します。講演者は、UQAMの計算機科学教授であり、プライバシー保護と倫理的なビッグデータ分析に関するカナダ研究チェアを保持するセバスチャン・ガンブス氏です。
Learn More ↗