フェデレーテッド学習のプライバシー漏洩と防御策を提示
Ali Akarma氏らが2026年9月3日(現地時間)、arXiv cs.CRで、車両エッジネットワークにおけるフェデレーテッド学習のプライバシー漏洩に関する研究論文を公開した。論文は、5G/6Gエッジインテリジェンスを活用した車両ネットワークにおいて、フェデレーテッド学習（FL）によるモデル更新が、送信元のクライアント識別情報を漏洩させるリスクを指摘した。慣性計測装置（IMU）の測定値に基づく重みデルタから、サーバがクライアントIDをほぼ完璧な精度で推論できることを確認している。