本論文では、プライバシーを保護しながら疎行列を扱うための多党計算（MPC）アルゴリズムを提案しています。従来のMPCフレームワークは疎データの最適化が不十分であり、推薦システムやゲノム解析を含む機械学習（ML）のアプリケーションには適していません。本研究では、疎行列の積算を効率的に行うアルゴリズムを開発し、メモリ要件を大幅に削減し、通信コストも劇的に低下させることが可能であることを示しました。特に、従来のプロトコルが実用的でない2つのMLアプリケーションにおいて、提案したアルゴリズムのバリデーションを行っています。その上で、疎行列のゼロでない要素の分布に対する安全な上限を設定するアプローチを提案し、統計的現実に即した仮定を提起しています。