LoRA（Low‑Rank Adaptation）を使ったパラメータ効率的ファインチューニング（PEFT）は、通信量を減らす一方で、サーバーがクライアントから送られる低ランク更新を受け取ると元画像を高品質で再構成できることが最近の研究で示された。これは、LoRAが勾配シグナルを弱めるため、サーバー側での逆推定が容易になるためである。さらに、既存の画像再構成手法を改良し、可搬性の高い「位置埋め込み」をトレーニング可能にすることで、再構成精度を格段に向上させた。実験では、CIFAR‑10 データセットで PSNR が 10.14 dB、SSIM が 0.45 増加し、CelebA と CARS での高解像度画像でも同様に有意な改善が確認された。なお、差分プライバシー (DP) を導入した場合、データ漏洩は減少するものの、タスク性能が顕著に低下するというトレードオフがあることが明らかになった。これらの結果は、LoRAベースのPEFTが単独でプライバシー保護を保証しないこと、そして追加の位置情報最適化が逆推定を助長する可能性があることを示している。