環境構築・再現手順

本ページは、本リポジトリの実験をまっさらな環境から再現するための手順・動作環境・落とし穴をまとめる。 レポート本体は content/REPORT.md、技術解説は methods/ を参照。

動作環境（確認済み）

依存は全て requirements.txt にバージョン固定済み。

クイックスタート

# 1. 環境構築（uv で .venv を作成し、固定依存をインストール、import スモーク）
bash scripts/setup_env.sh

# 2. 一括実行（デモ → 攻撃特徴生成 → 監査 → 図表）
bash scripts/run_all.sh           # 主結果（N_ALL=2500、約40-50分）
bash scripts/run_all.sh 200       # 縮小スモーク（数分）

# 3. HTML レポートをビルド（htmls/ に出力）
PYTHONPATH=scripts .venv/Scripts/python scripts/build_html.py

個別実行

export PYTHONPATH=scripts PYTHONUTF8=1
PY=.venv/Scripts/python   # Linux/Mac は .venv/bin/python

# (A) dpmm の MST/AIM 合成デモ（監査とは独立。1-way/2-way TVD）
$PY scripts/00_demo_dpmm.py

# (B) 攻撃特徴生成（worst-case 隣接データで MST を多数学習）
$PY scripts/01_run_attack.py --n-all 2500 --workers 18

# 監査（FPR-FNR トレードオフ・μ_emp/μ_lower・収束・アブレーション）
$PY scripts/02_audit_eval.py --n-all 2500

# 図の生成
$PY scripts/03_plot.py

計算コストの目安

• MST 1 回の学習+生成 ≈ 9.2 秒（n=10 行・3 列・ε=1）。01_run_attack は out/in 各 N_ALL 回 = 2×N_ALL 回。
• 18 workers 並列で N_ALL=2500 → 約 40-50 分、N_ALL=5000（論文の完全規模）→ 約 80-90 分。
• 監査（02）・図（03）は数十秒〜数分（特徴 pkl さえあれば軽量）。

事前に小さい --n-all（例 50-200）でスモークし、所要時間を外挿してから本実行することを推奨。

Windows + uv の落とし穴（実際に踏んだもの）

1. multiprocessing は spawn: Windows は fork でなく spawn のため、各 worker が全モジュールを再 import する。 01_run_attack.py は if __name__ == "__main__" ガード必須（実装済み）。maxtasksperchild を 1 にすると タスク毎に dpmm を再 import（約 10 秒）してしまうため、25 に設定して償却している。
2. cp932 文字化け: 日本語 Windows の既定エンコーディング対策として PYTHONUTF8=1 を設定し、 ファイル書き出しは全て encoding="utf-8" を明示。
3. 相対パスの罠: 上流 run_attack.py は ../data/ に書く前提だったが、本移植では config.py で絶対パス化し cwd 非依存にした。
4. 理論フロンティアのオーバーフロー: riskcal.get_beta_from_zcdp は α≈0 で OverflowError。 03_plot.py はポイント毎評価で NaN マスクし、context 曲線は α∈[1e-3, 1-1e-3] に制限。

再現性に関する重要な注意（DP ノイズの非決定性）

MST の DP ガウスノイズは secure RNG（seed 不能） で生成される（実装を確認）。これは DP として 正しい挙動だが、その帰結として:

• 特徴量生成（01）は run 間でビット一致しない。numpy.random.seed や prng 引数を渡しても 個々の試行の数値は固定できない（検証済み）。
• ただし多数試行にわたる集約 μ_emp は安定する。本追試は「単一値の完全一致」ではなく 傾向の再現（μ_emp が implied μ≈0.45 近傍に来る／不安定な閾値選択基準で μ_emp が 0 に潰れる）を目標とする。
• 一方、監査ステップ（02）は features.pkl を固定すれば再現可能（分類器・分割の乱数は AUDIT_SEED=13 で固定）。

GitHub Pages 公開

1. .github/workflows/deploy-pages.yml が htmls/ を配信する。
2. GitHub の Settings → Pages → Build and deployment → Source を 「GitHub Actions」 に設定（初回のみ手動）。 - CLI でも可: gh api --method POST repos/gghatano/tpdp2026-mst-aim-audit/pages -f build_type=workflow - ⚠️ この設定を忘れると Actions は緑（success）のままなのにサイトは 404 になる。ワークフローの Check Pages is enabled step が未設定を検知して fail させるので、その場合はこの手順を実施すること。判定: gh api repos/gghatano/tpdp2026-mst-aim-audit/pages が 404 なら未有効。
3. main へ push すると Actions が走り、https://gghatano.github.io/tpdp2026-mst-aim-audit/ で公開される。

ローカル確認: python -m http.server 8099 --directory htmls。