金融取引の不正検知
取り扱うデータは、個人情報や金融取引情報など、センシティブなものであるため、プライバシーやセキュリティ対策として、連合学習の活用が注目されています。
- 水平連合学習（HFL）を用いて、複数の金融機関の取引データを結合し、不正検知モデルを作成。
- 各金融機関の間で生データを共有することはなく、パラメータを受け渡す。
- 金融機関のデータだけを用いて作成するモデルと比較して、より精度の高い予測モデルが期待できる。
連合学習を活用することで、複数の金融機関の間で生データを直接共有することなく、パラメータのみを渡し、予測モデルの作成と推論が可能です。
AutoPrivacy DataCleanRoomを活用すれば、専門知識がなくとも、連合学習を用いたデータ処理プロセスを構築することができます。