連合学習.

多数のクライアントが中央のコーディネーターのもとで共同モデルを学習しつつ、生データを各端末側に留めておく分散型機械学習の枠組み。 サイバーセキュリティの 暗号 カテゴリに属します。

多数のクライアントが中央のコーディネーターのもとで共同モデルを学習しつつ、生データを各端末側に留めておく分散型機械学習の枠組み。

連合学習(Federated Learning, FL)は、スマートフォン・病院・銀行など多数の参加者が、学習データを集中させずに共有モデルを訓練するための枠組みです。各クライアントは自らのデータで局所的な勾配やモデル更新を計算し、その更新だけを集約サーバへ送信し、サーバは多くの場合 FedAvg を用いてそれらを統合し新たなグローバルモデルを作成します。生の更新からも学習データの情報が漏れうるため、現代の運用では安全集約・差分プライバシー、必要に応じて準同型暗号や MPC を組み合わせて保護を強化します。Google は 2017 年に Gboard の単語予測で連合学習を導入し、現在は医療画像、機関横断の不正検知、LLM の端末上パーソナライズなどで広く活用されています。

連合学習 に対する防御は通常、上記の定義で述べたとおり、技術的統制と運用上の実践を組み合わせます。

一般的な別名: FL, 連合機械学習。