P3LS: Partial Least Squares under Privacy Preservation

要約

現代の製造業のバリューチェーンでは、社会的および環境的な持続可能性を促進しながら利益を最大化するために、企業の境界を越えたプロセスのインテリジェントなオーケストレーションが必要です。
しかし、バリューチェーンに沿ったデータに基づいた意思決定のための統合されたシステムレベルのアプローチの実装は、現在、組織を越えたデータ交換と統合に伴うプライバシーの懸念によって妨げられています。
ここでは、組織間のデータ統合とプライバシーを保証したプロセス モデリングを可能にする新しいフェデレーテッド ラーニング技術であるプライバシー保護部分最小二乗法 (P3LS) 回帰を提案します。
P3LS には、特異値分解 (SVD) ベースの PLS アルゴリズムが含まれており、各データ所有者が提供したデータのプライバシーを保護するために、信頼できる機関によって生成された取り外し可能なランダム マスクが採用されています。
私たちは、3 者からなる仮想バリュー チェーンに沿ってプロセス データを垂直統合し、プロセス関連のいくつかの主要業績評価指標の予測パフォーマンスを向上させる P3LS の機能を実証します。
さらに、シミュレーション データ上で P3LS と PLS モデル コンポーネントの数値的等価性を示し、前者の徹底的なプライバシー分析を提供します。
さらに、我々は、提供されたデータと対処されている問題との関連性を判断するメカニズムを提案し、これにより参加者の貢献を定量化するための基礎を作成します。

要約(オリジナル)

Modern manufacturing value chains require intelligent orchestration of processes across company borders in order to maximize profits while fostering social and environmental sustainability. However, the implementation of integrated, systems-level approaches for data-informed decision-making along value chains is currently hampered by privacy concerns associated with cross-organizational data exchange and integration. We here propose Privacy-Preserving Partial Least Squares (P3LS) regression, a novel federated learning technique that enables cross-organizational data integration and process modeling with privacy guarantees. P3LS involves a singular value decomposition (SVD) based PLS algorithm and employs removable, random masks generated by a trusted authority in order to protect the privacy of the data contributed by each data holder. We demonstrate the capability of P3LS to vertically integrate process data along a hypothetical value chain consisting of three parties and to improve the prediction performance on several process-related key performance indicators. Furthermore, we show the numerical equivalence of P3LS and PLS model components on simulated data and provide a thorough privacy analysis of the former. Moreover, we propose a mechanism for determining the relevance of the contributed data to the problem being addressed, thus creating a basis for quantifying the contribution of participants.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google