秘密計算はデータそのものを暗号化して共有することで秘匿化した状態でのデータ連携や分析等に活用する技術ですが、フェデレーテッドラーニング（連合学習）はデータそのものは共有せず、特定のAI解析によって得られた特徴量のみを収集・統合することで、あたかもデータ連携をしたかのように複数社間のデータを利活用し、解析に活かせる技術です。
フェデレ―テッドラーニングにより膨大なデータ通信・保管コストを抑えつつ、セキュリティや法令にも対応しながら、複数事業者間のデータを活かしたAIモデルを構築することができます。
金融機関の間で行われるデータ連携による不正検知や、製薬業界におけるリアルワールドデータの活用等、様々な業界でデータ連携・利活用のニーズが高まっています。しかし、個人情報保護法やGDPR等、個人情報に係るデータの第三者による活用はまだまだ法制度のハードルが高く、十分に活用できる環境にはなっていないのが現状です。そのため、AI解析や分析に足るデータ量をどのように確保するかがデータ利活用を進める上での大きな課題になっています。
高齢者等を狙った特殊詐欺や不正取引、AMLの事例が年々増加し、手口も巧妙化しています。これまで時間帯・金額・地域等想定しやすい属性情報を活用したルールベースの検知システムを活用していましたが、想定外のパターンは検知できないことが課題でした。また、新しい手口や進化した手口が次々と出てくるため、想定外のパターンの種別検知に加え、手口を自動的にフィルターとして登録する必要があり、対策に向けたデータの質・量の重要性がより高まっています。
イーグリスはAI解析技術とフェデレーテッドラーニング技術を用いて、不正取引の検知システムを構築しました。AI解析技術と設計技術を用いて不正取引に繋がる取引のパターンに偏りや関連性があるか特徴点を抽出し、ルールベースではなく今後起こりうる手口を網羅的に検知するAIアルゴリズムを設計。さらにフェデレーテッドラーニング技術によりデータそのものを共有せず異常・不正な特徴量のみを銀行間で共有。AIモデルへ反映することで、各金融機関単独ではカバーできなった想定外のパターンを検知できるようになりました。
医師の診断サポートや遠隔医療における医療診断AIの活用が昨今、広がりを見せています。MRIやＸ線等の画像解析からヘルスケアアプリのデータを活かした高血圧診断等、様々な医療分野で活用されています。一方、AIの学習に必要なデータは機密性の高い個人情報に該当するため、直接的なデータ連携は困難となるケースも多くあります。
フェデレ―テッドラーニング技術によりデータそのものではなくAI解析に用いる特徴量のみを抽出・集約することで、あたかもデータを連携したかのようにAIモデルを学習させ、高精度なAIモデルの構築・運用に活かすことができます。
