据神户大学介绍，演示实验分为损坏交易检测和欺诈账户检测。对比普通机器学习（*2）模型的检测精度和联邦学习模型的检测精度，检测精度随着联邦学习模型的引入而提高，达到了目标80%以上……此外，我们发现了个人学习模型无法检测到的欺诈交易。

　在欺诈账户检测中，通过将个体学习模型、个体学习模型和联邦学习模型相结合的混合模型的准确率进行比较，混合模型的准确率较高，检出率为达到80%或更多。还发现，在实际数据中，比欺诈性账户冻结提前大约 20 到 50 周可以被检测到。

　神户大学等已入选2022年科技振兴机构采用项目，今后将继续完善检测功能和实施制度。

* 1 隐私保护 联邦学习技术 分布式状态下机器学习的技术，无需在一处聚合数据
* 2 机器学习 计算机从特定数据中发现特定规则并根据这些规则对未知数据进行推断和预测的技术。

参考：【神户大学】利用隐私保护联盟学习技术进行了欺诈汇款检测的演示实验-提高了损坏交易的检测准确性并确认了欺诈账户的早期检测-