Què és l'Aprenentatge Federat?
L'aprenentatge federat (AF) és un paradigma d'aprenentatge automàtic en el qual els models s'entrenen en dades descentralitzades en múltiples dispositius o servidors sense compartir les dades brutes. En lloc d'enviar dades a un servidor central, el model s'entrena localment en cada dispositiu i només s'envien les actualitzacions del model (gradents o canvis de pesos) a un agregador central que les combina en un model global millorat.
Beneficis per a la Privacitat
El AF aborda les preocupacions de privacitat en garantir que les dades brutes mai surtin del seu lloc d'origen. Això és especialment valuós per a: dades de salut (aprenentatge entre pacients sense fugues de dades), institucions financeres (aprenentatge entre sectors sense compartir dades propietàries) i dispositius mòbils (aprenentatge personalitzat sense carregar dades d'ús privades).
Desafiaments i Consideracions
El AF no és una solució màgica. Els atacs d'inversió de gradents encara poden reconstruir parcialment les dades originals. Els costos de comunicació són significatius. Les dades heterogènies entre clients poden ralentir la convergència. Combina el AF amb privacitat diferencial i agregació segura per a garanties de privacitat sòlides.