【れんごうがくしゅう】

連合学習（フェデレーテッドラーニング）とは？

最終更新: 2026年10月7日

💡 データを手元に残し、学習の更新を持ち寄る

学習用の生データを一か所へ集めず、端末や組織の手元で学習し、モデルの更新などを集約して共同のモデルを改善する手法。中央サーバーが更新をまとめる構成がある。生データを送らなくても情報が漏れる可能性はあり、追加の保護設計が必要。

📌 このページのポイント

中央サーバーで更新を集約する簡略例です。同じ学習課題に参加する三つの端末を示し、配布と送信の矢印を分けています。更新以外の指標も共有する構成があります。セキュア集約や差分プライバシー等の追加処理は省略しています。

ひよこ

連合学習では、何を共有するの？

ペンギン先生

代表的な構成では、共通モデルを受け取って手元のデータで学習し、モデルの更新などをサーバーへ送るよ。サーバーは複数の更新を集約し、次のモデルへ反映する。学習用の生データを一か所へ集める方式と、データの置き場所が違うんだ

ひよこ

生データを送らなければ、必ず秘密を守れる？

ペンギン先生

それだけでは保証できないよ。更新や学習済みモデルから、個人の情報を推測される可能性もある。何を送るか、誰が見られるか、どんな攻撃を想定するかまで設計する必要があるんだ

ひよこ

更新を見られないようにする方法は？

ペンギン先生

セキュア集約は、サーバーが個々の更新ではなく集約結果を扱えるようにする技術だよ。ただし、集約結果そのものに個人の影響が残る問題とは別。個々の寄与を制限してノイズを加える差分プライバシーも組み合わせる場合があるんだ

ひよこ

差分プライバシーなら、ノイズを足すだけでいい？

ペンギン先生

寄与の制限、ノイズ量、参加条件などを決めて、想定に合う保証を評価するんだよ。ノイズをどこで加えるかも構成による。保護の強さとモデルの精度の兼ね合いがあり、どんな設定でも完全に秘密になるわけではないんだ

ひよこ

実際に使った例や、難しい点はある？

ペンギン先生

Googleは2023年の論文で、Gboardの言語モデルを連合学習と差分プライバシーで学習して展開したと報告しているよ。一方、通信や端末の計算負担、参加の途切れ、データの偏りに対応する必要がある。どんな学習にもそのまま使える万能な方法ではないんだ

まとめ：ざっくりこれだけ覚えればOK！

「連合学習」って出てきたら「データを手元に残し、学習の更新を持ち寄ってモデルを改善する方法」と思えばだいたいOK！

📖 おまけ：英語の意味

「Federated Learning」＝連合して行う学習

💬 federatedは複数の参加者が連携するという意味だよ。別々の端末や組織が、自分のデータで学習しながら共同のモデルに貢献するイメージなんだ

参考資料