POI（Point-of-Interest）推薦システムではユーザのチェックイン（C/I）情報からユーザにとって魅力的な未知のPOIを推薦する．従来の中央集権的なPOI推薦システムではプライバシー上の問題があり，ユーザのC/I情報を端末から出すことなく推薦モデルを学習する連合学習型POI推薦システムが提案されている．PREFERはPOI推薦のための連合学習フレームワークであり，ユーザに非依存のパラメータのみをサーバと交換することで保護性能を担保しているが，その検証はされていない．本研究では，PREFERにおける保護性能の検証を行うために，そのモデル部分にPRME-Gを適用した場合を対象としてモデル学習中のパラメータ交換の観測から手法の脆弱性を検証する．検証では，公開C/IデータセットFoursquare DatasetからPREFERの評価で用いられているものと同程度のデータセット4種類を構築し使用する．検証の結果，パラメータ交換における差分情報の観測からサーバ側でユーザがどのPOIに訪れたかを特定できること，サーバ側にユーザのC/I情報の多くが漏れていることを確認している．
