Miraima Technology
連合学習
別名Federated Learning / フェデレーテッドラーニング
連合学習は、端末や組織に分散した学習データを中央へ集約せず、各参加者がローカルで計算したモデル更新を集約して共有モデルを学習する方式です。スマートフォンの入力支援や複数医療機関の共同研究などで実運用されています。ただし、データを移動しないことだけでプライバシーが保証されるわけではなく、更新からの情報復元、参加者識別、データ汚染、非IIDデータ、通信量、公平性への対策が必要です。
Maturity & Adoption
技術成熟度と実用化状況
技術成熟度
技術としてどこまで成熟しているか
- 評価対象
- 大規模クロスデバイス連合学習による言語・推薦モデルの本番学習
- 評価日
- 2026-08-10
Gboardで数億人規模の利用者向けモデルへ実配備され、差分プライバシー付き言語モデルも本番化されているため、この限定スコープをTRL 9と評価します。クロスサイロ医療や生成基盤モデルの連合学習は同じ成熟度ではありません。
実用化ステータス
社会でどこまで利用されているか
モバイル入力・推薦では大規模本番利用があり、医療・金融・製造ではNVIDIA FLARE等を用いた共同研究・限定導入が進んでいます。
主な制約
モデル更新は個人情報を漏らし得るため、secure aggregation、差分プライバシー、認証、監査、ロバスト集約が別途必要です。参加端末の偏り、通信障害、データ分布差、 poisoningも課題です。
Technology Evolution
技術の歴史と今後の進展
Technology Timeline
連合学習の研究・実装史
確認済み事実
- 01
Federated Averagingを発表
分散端末上のローカル更新を反復集約する通信効率の高い学習法がAISTATSで発表されました。
- 02
Gboardで数億人規模へ展開
Federated Reconstructionが端末固有表現をローカルに保ち、Gboard推薦へ展開されました。
- 03
Gboard言語モデルへ形式的DP保証
20以上のGboard言語モデルを連合学習と差分プライバシーで本番学習した成果が公表されました。
- 04
NISTがプライバシー攻撃を体系化
更新情報と完成モデルから学習データが漏れる攻撃と防御の必要性が整理されました。
Technology Roadmap
編集部予測連合学習分野の進展予測
- 01
プライバシー予算と集約処理の監査が標準運用化
secure aggregation、差分プライバシー、TEEの設定と失敗条件を、モデルカードや監査ログで追跡する運用が広がると予測します。
予測根拠
NISTとGoogleの本番事例が、連合化だけではなく入力・出力プライバシーの明示を要求しているためです。
- 02
組織横断の基盤モデル適応が限定普及
生データを移動できない医療・製造・公共領域で、基盤モデルの部分更新や蒸留を連合化する導入が増えると予測します。
予測根拠
FLAREの実運用基盤と基盤モデル向け公開特許が現れた一方、計算量・知財・監査コストが高いためです。
Technology Roadmapは技術分野の進展予測です。Future Toolの実現時期を示すものではありません。
Related Technologies
関連Technology
Future Tools
この技術を使っている未来道具（3件）
Organizations
関連企業・研究機関
この技術に関わる代表的な企業・研究機関・標準化団体です。
Google Research
FedAvgの基礎研究とGboardでの大規模本番展開を行っています。
代表研究
Communication-Efficient Learning of Deep Networks from Decentralized Data
NIST
連合学習のプライバシー攻撃、防御、評価指標に関する公的技術情報を整備しています。
代表研究
Privacy Attacks in Federated Learning
公式サイト （外部サイトを新しいタブで開きます）Patents
関連特許
-
特許情報を見る （外部サイトを新しいタブで開きます）
Online Federated Learning of Embeddings
公開番号 US20220391778A1
-
特許情報を見る （外部サイトを新しいタブで開きます）
Federated learning with foundation model distillation
公開番号 US20250103900A1
Sources
論文・一次情報
Communication-Efficient Learning of Deep Networks from Decentralized Data
Google Research / AISTATS / 2017-04-20
Federated Learning: Collaborative Machine Learning without Centralized Training Data
Google Research / 2017-04-06
A Scalable Approach for Partially Local Federated Learning
Google Research / 2021-12-08
Federated Learning of Gboard Language Models with Differential Privacy
Google Research / ACL / 2023-01-01
Privacy Attacks in Federated Learning
NIST / 2024-01-24
Federated Learning With FLARE: NVIDIA Brings Collaborative AI to Healthcare and Beyond
NVIDIA / 2021-11-29
US20220391778A1 Online Federated Learning of Embeddings
USPTO / Google Patents / 2022-12-08
US20250103900A1 Federated learning with foundation model distillation
USPTO / Google Patents / 2025-03-27