フェデレーテッドラーニング／秘密保持し学習

フェデレーテッドラーニングとは、複数の端末や組織が個々に保持するデータを共有せずに、それぞれのローカル環境で機械学習モデルを学習させ、その学習結果（パラメータ）だけを中央サーバーに送信し、全体のモデルを統合・更新する分散学習のアプローチです。

特に医療、金融、製造業など、データの機密性が高く、センシティブな情報を外部に渡せない分野で注目されています。例えば、病院ごとに患者データを持ちながらも、共有せずに高度な診断モデルを共同で構築できるようになります。

DXの推進においては、プライバシー保護と高度な分析を両立させることが求められており、フェデレーテッドラーニングはその課題に応える技術基盤として重要性を増しています。データの利活用とセキュリティのバランスを取りつつ、組織間連携による価値創出を可能にする手法です。