企業や組織がAIなどの技術開発に向けて、アメリカ国民から膨大な個人データを収集する機会が増加しています。しかし大量のデータを利用・共有することは、個人情報流出などのセキュリティとプライバシーのリスクを伴います。FBIの報告によれば、2024年にアメリカ国民は個人データ流出により14億ドル以上の損失を被ったとされています。こうした状況の中で、プライバシー保護技術（PETs）がデータ収集・利用・共有に伴うリスク軽減の有効な手段として注目を集めています。 プライバシー保護技術は、データを変形・隠蔽・処理することで、機密情報へのアクセスを困難にするものです。特に共有データの最小化と利用制限に焦点を当てた新世代技術が、プライバシー保護とデータ活用のバランスを改善しています。主な手法として、データマスキングなどで個人情報を特定しづらくする「データ難読化」、医療記録などを暗号化したまま分析できる「準同型暗号」、複数の組織がデータの一部にアクセスできる「フェデレーテッド分析」などが挙げられます。これらの技術により、医療データや企業機密情報といった機密性の高い情報にも、より安全に協力して取り組むことが可能になります。 ただし実装には課題も存在します。準同型暗号による分析は従来の方法と比べて100万倍の時間を要する場合があり、相応の計算リソースが必要です。また悪意のある者が機械学習を用いてこうした技術を回避する動きも見られます。さらに連邦政府からの明確な実装ガイダンスが不足しており、多くの組織が採用方法について不確実性を抱えています。プライバシー保護技術の普及には、政府と業界が一体となってこれらの課題に取り組み、技術革新と実装支援を進める必要があります。