CSAガイダンス：「入力プライバシーと出力プライバシー：PETの選択」（AIデータ処理におけるFHEと差分プライバシー）

2026年11月6日（cloudsecurityalliance.org上に表示された公開日付ラベルを確認；一次ページを取得して確認済み）、Cloud Security Allianceはガイダンス記事「Input Privacy vs Output Privacy: Choosing a PET」を公開しました。これはCSAのレポート『Comparing FHE and Other PETs』に基づいており、プライバシー強化技術における2つのセキュリティモデルを区別しています：入力プライバシー（計算中のデータ保護 — FHE、SMPC、TEE、ZKP）と出力プライバシー（結果から推測できることを制限 — 差分プライバシー）です。FHEとDPは代替品ではないと主張し、4つの質問からなるアーキテクチャ計画テストを提供し、ハイブリッドなFHE+DP設計が入力と公開出力の両方を保護する場面（例：機密データに対するAI/MLトレーニングと推論）を示しています。

CSAは認知された標準関連団体であり、その出版物は広く参照されています。この記事は、意思決定者にAI/MLトレーニングおよび推論データの機密性を保持するための制御選択フレームワークを提供し、「プライバシー強化」の選択肢は脅威モデルに依存するものであり、互換性があるわけではないことを明らかにしています。これは軽微な補助ガイダンス（規範的な標準ではない）であり、拘束力のあるフレームワークとして扱うのではなく、QA重複排除のためのウォッチリストに載せるべきものです。

機密性の高いトレーニングまたは推論データを扱うAI/MLチームは、PET選択に入力対出力プライバシーを考慮に入れてください；FHEと差分プライバシーをドロップイン代替品として扱わないでください。詳細については、CSAの『Comparing FHE and Other PETs』レポートを参照してください。