- 著者
-
清藤 武暢
- 出版者
- 一般社団法人 電子情報通信学会
- 雑誌
- 電子情報通信学会 基礎・境界ソサイエティ Fundamentals Review (ISSN:18820875)
- 巻号頁・発行日
- vol.16, no.3, pp.196-204, 2023-01-01 (Released:2023-01-01)
- 参考文献数
- 30
近年, 異なる組織間でのデータ共有・活用を実現できるプラットホーム (クラウドやブロックチェーンなど) の構築や運用が進んでいる. こうした動きに伴い, 様々な分野において当該プラットホームを利用したデータ共有・活用による社内業務の効率化や新たな価値創出に関する検討が進められている. 特に, 当該業務/サービスにおいて機械学習を利用している組織などでは, こうしたデータ共有・活用により機械学習の性能向上が期待される連合学習 (Federated Learning) と呼ばれる技術が注目されている. 連合学習は, 学習対象のデータセットが複数の組織などで分散管理されている状況において, データセットそのものを当該組織間で共有することなく, 全てのデータセットの特性を反映させた機械学習のモデルを生成できる技術である. 最近では, マーケティングや社内業務の効率などを向上させることを目的とした当該技術の利用に関する検討も活発化している. そこで, 本稿では, 連合学習について概説するとともに, 当該技術に対する攻撃手法とその対策, および実装プラットホームに関する最近の動向について紹介する.