データセキュリティ

連合学習(Federated Learning)についてわかりやすく解説!

はじめに

本記事では、従来の機械学習が持つ弱点を克服した、新たな機械学習の方法である連合学習について解説します。連合学習と一般的な機械学習との違いに焦点を当て、連合学習の特性ががもたらす恩恵を実例とともに紹介していきます。

なお、連合学習と秘密計算の違いに関しては、以下の記事にて解説しています。

【比較】連合学習(FL)と秘密計算の違いって何?

 

連合学習(Federated learning)とは

連合学習(Federeted learning)とは、データを集約せずに分散した状態で機械学習を行う方法です。この方法は2017年にGoogle社が提唱しました。Googleは、連合学習によってデータ処理過程の効率性を高めることができるため、スマートフォンがより良いパフォーマンスを発揮するだろうと考えました。スマートフォンを用いた連合学習は以下のようなプロセスで行われます。

  1. スマートフォンに現在のモデルをダウンロードする
  2. スマートフォン自らのデータに基づいた機械学習を行い、改善点や変更点を割り出す
  3. 改善点や変更点の情報のみスマートフォンからサーバーに送信される
  4. サーバーはこの情報を他のスマートフォンから送信された情報と共有し、さらに良いパフォーマンスを発揮するための共有モデルとして改善される

このように連合学習では、個々のデバイスで機械学習を行い、改善点や変更点のみを集計して、より向上したモデルをデバイスに再度配布をします。

従来の機械学習の弱点と連合学習による克服

従来の機械学習には以下の4つのような問題点があります

  • データの収集
  • データの計算による負荷
  • データのやり取りによる通信量
  • データの持ち主のプライバシー

従来の機械学習は、個々のデータを1つの場所に集約し、そのデータを用いて学習を行います。学習が行われる前の大量のデータが1箇所に送信されるためデータの収集に時間がかかり、加えて学習の際の計算負荷も大きくなります。同時にデータのやり取りに多大な通信量がかかってしまうこともデメリットとして挙げられます。また、データがデータの持ち主のデバイスから外に出てしまうので、プライバシーの担保ができません。大量のデータを持ち主から離して扱うため、このような問題を抱えてしまうのです。

そこで、これらの問題を解決する手法として、連合学習が挙げられます。連合学習では個々のデバイスで機械学習を行い、改善点などの必要な要素のみ集計します。そのため、大量のデータを収集する必要がなく、データの計算負荷も一定であり、通信量も少なく済みます。さらに、データがデータの持ち主から離れることがないので、プライバシーも確保できます。この連合学習の特性によって、データの活用のハードルが下がると考えられます。

連合学習によるデータの活用

先ほど述べたように、連合学習はプライバシーを担保したままデータを活用できる手法です。一例を挙げると、GoogleはAndroidのGoogleキーボードには連合学習を使用しています。キーボードに入力している時に関連するキーワードを表示するシステムであり、候補から選んだキーワードを学習させ、必要な要素のみサーバに送信して新たなモデルを再度配布する、連合学習の手法が用いられています。

また、私たちの身近にあるスマートフォンはデータの宝庫ですが、多くの人がプライバシーの問題ゆえにスマートフォンのデータを利用されることは望まないでしょう。しかし、プライバシーが確保されるならば、学習後の共有モデルを活用することに拒否感を示す人は減ると考えられます。もし、多くの人が自らのスマートフォンで機械学習を行なった後のモデルを活用することに賛同すれば、いろんなデータを安心して得ることができ、様々な分野で活用される可能性が高まります。

スマートフォンなどのデバイスだけでなく、連合学習は医療分野においても活躍します。例えば、いくつかの病院が連携してある病気への処置を考えるとき、従来の機械学習を用いた方法では、全ての病院にいるその病気の罹患者の情報を集めて学習をしなければなりません。しかし連合学習を用いると、それぞれの病院から患者のデータが出ないのでプライバシーを確保したまま、病気への処置を算出することができます。

この他にも、金融、軍事、製薬などのプライバシー保護を必要とする様々な領域において連合学習は恩恵をもたらすことができると考えられています。

まとめ

  • 連合学習(Federated Learning)とはデータを集約せずに分散した状態で機械学習を行う手法である
  • 連合学習によって従来の機械学習が抱えていたプライバシーの問題などが解決できる
  • 連合学習は医療・金融・制約など多方面に活用することができる
  • 様々な利点はあるが機械学習の全ての問題を解決することはまだ不可能である

連合学習は従来の機械学習の抱える問題を解決する新たな手法でありますが、まだ全てを解決することはできません。しかし、この技術が上述よりも進歩するならば、さらにデータの利用が容易になり活用の幅が広がるでしょう。

引用

メンバー募集

Acompanyでは、秘密計算の社会実装に向けてメンバーを絶賛募集中です!
優秀なメンバーが集まる環境で世の中に新しい価値を作る挑戦を僕らとしませんか?
以下の分野のメンバーを募集中です!

✅ ソフトウェアエンジニア
✅ マーケティング
✅ バックオフィス

興味がある方は、まずは軽くお話しするだけでも大丈夫ですので、ぜひご連絡ください!😎

話を聞きたい!

-データセキュリティ
-, , , , ,

© 2020 秘密計算の国内最大ブログ | Acompany Co., Ltd.