The 13th IIAE ICISIP 2026　Best Presentation Award

Security Evaluation Method for the DRIFT Federated Learning Architecture

近年、AI 活用の拡大に伴い、複数の PC が協働して学習を行う Federated Larning (FL)という手法が注目されています。そして、特に IoT デバイスにおいて FL を効率的に行うための手法として、DRIFT という手法が提案されています。しかし、DRIFT には安全性評価が不十分であるという課題がありました。

そこで本研究では、DRIFT を指向した3つの攻撃手法を設計し、それらを用いて複数の攻撃強度で安全性評価を行いました。その結果、特定の攻撃手法と攻撃強度において明確な推論精度の悪化が見られ、DRIFT の脆弱性を明らかにすることができました。

以上より、DRIFT の実用化のためにはこれらの脆弱性への対応が必要であるとともに、さらなる安全性評価も必要であると考えます。