神戶大學、國立信息通信技術研究所、數字風險管理公司Eltes與千葉銀行、三菱日聯銀行、中國銀行、三井住友信託銀行、伊予銀行合作，利用隱私保護聯合學習技術檢測欺詐行為（*1） 。我們進行了匯款檢測的演示實驗。
據神戶大學介紹，驗證測試分為損壞交易檢測和欺詐賬戶檢測。當將普通機器學習（*2）模型的檢測精度與聯邦學習模型的檢測精度進行比較時，聯邦學習模型的引入提高了檢測精度，實現了80%以上的目標。此外，我們發現個人學習模型無法檢測到欺詐交易。
在欺詐賬戶檢測中，對比個體學習模型、個體學習模型和聯邦學習模型結合的混合模型的準確率，混合模型的準確率較高，達到了80%以上。研究還發現，欺詐性賬戶凍結可以比實際數據提前 20 至 50 週被檢測到。
為了響應該研究被選定為2022年日本科學技術振興機構採納的項目，神戶大學等將繼續改進檢測功能並實施系統。
*1 隱私保護聯合學習技術 一種通過在分佈式狀態下聯合數據而不將其聚集在一個地方來執行機器學習的技術。
*2 機器學習：計算機發現某些數據中的某些規則，並根據這些規則對未知數據進行推理和預測的技術。
