一文定義
連合学習とは、データを中央サーバに集めずに各デバイス・組織でローカル学習し、モデルの更新情報だけを共有するプライバシー保護型の分散機械学習手法です。スマートフォンや医療データの学習に活用されています。
詳細解説
連合学習（Federated Learning）とは、ユーザーのデータを中央サーバに集約することなく、各クライアントデバイス（スマートフォン・病院サーバ等）でローカルにモデルを訓練し、モデルの重み更新（勾配）だけをサーバに送信して集約するプライバシー保護型の分散機械学習手法です。Googleが2017年に提唱しました。
連合学習が重要な理由は、GDPRなどプライバシー規制の強化や、医療・金融など機密性の高い分野でのAI活用において、生データを外部に出さずにモデルを改善できるためです。スマートフォンの入力予測（Gboard）やiOSのオンデバイス学習にも採用されています。
主な課題として、通信コスト（各クライアントとの頻繁な通信）、Non-IID問題（各クライアントのデータ分布が不均一）、悪意あるクライアントによるmodel poisoning攻撃への対策があります。差分プライバシー（Differential Privacy）と組み合わせることで、更新情報からの個人データ復元リスクをさらに低減できます。医療分野では、複数病院が患者データを共有せずに共同でAI診断モデルを構築するユースケースが進んでいます。
参考情報・出典
- ▸Communication-Efficient Learning of Deep Networks from Decentralized Data— arXiv / McMahan et al. (2017)（参照日: 2026-02-26）
- ▸Federated learning - Wikipedia— Wikipedia（参照日: 2026-02-26）
最終更新: 2026-02-26← 用語集一覧へ