고베대학에 의하면 실증실험은 피해거래의 검지, 부정계좌의 검지로 나누어 이루어졌다.피해 거래의 검출은 통상의 기계 학습(※2) 모델에 의한 검출 정밀도와 연합 학습 모델에 의한 검출 정밀도를 비교했는데, 연합 학습 모델의 도입으로 검출 정밀도가 향상해, 목표로 하는 80% 이상을 달성했다 .게다가 개별 학습 모델로 검지할 수 없었던 부정 거래를 발견했다.

　부정계좌의 검지에서는, 개별 학습 모델과 개별 학습 모델, 연합 학습 모델을 조합한 하이브리드 모델로 정밀도를 비교한 결과, 하이브리드 모델의 정밀도가 높고, 검지율 80% 이상을 달성했다.실제 데이터로 부정계좌 동결보다 20~50주 정도 빨리 검지할 수 있는 것으로 나타났다.

　고베대학 등은 연구가 2022년도 과학기술진흥기구 채택사업으로 선정된 것을 받아 향후 새로운 검지기능 향상과 시스템 구현을 진행시킨다.

※1 프라이버시 보호 연합 학습 기술 데이터를 1곳에 집약하지 않고 분산된 상태에서 연합하여 기계 학습하는 기술
※2 기계 학습 어떤 데이터 중에서 컴퓨터가 일정한 규칙을 발견하고, 그 규칙에 근거하여 미지의 데이터에 대한 추측·예측을 하는 기술

참조 :【고베 대학】프라이버시 보호 연합 학습 기술을 활용한 부정 송금 검지의 실증 실험을 실시～피해 거래의 검지 정밀도 향상이나 부정 계좌의 조기 검지를 확인～