フェデレーテッドラーニング（FL）の利点は、クライアントのデータを保持しながら共同で機械学習モデルを訓練できることです。しかし、データを共有しないことは、攻撃に対する脆弱性のリスクを伴います。特に、勾配を利用した勾配反転攻撃（GIA）は、クライアントのローカルデータを再構築する可能性があり、FLのプライバシー保護を破るものです。GIAは受動的なサーバーやアクティブなサーバーによって実行されることがありますが、特にアクティブな攻撃は、グローバルモデルを悪用してデータを再構築します。本研究では、最新のアクティブGIAの検出可能性について初めて詳細に分析し、軽量なクライアント側の検出技術を提案します。これにより、FLの訓練プロトコルに変更を加えることなく、クライアントは効果的にアクティブGIAを検出できることが示されました。