Mikä on Federatiivinen oppiminen
Hajautettu oppiminen ilman tiedonsiirtoa
Federatiivinen oppiminen — koneoppimislähestymistapa, jossa malli koulutetaan hajautetulla datalla ilman keskittämistä, säilyttäen yksityisyyden.
Miten se toimii
- Paikallinen koulutus — malli kouluttautuu käyttäjälaitteilla
- Gradienttien aggregointi — vain mallin parametrit lähetetään palvelimelle
- Mallin päivitys — globaali malli päivittyy ilman pääsyä dataan
- Federatiivinen keskiarvo — FedAvg-algoritmi painojen yhdistämiseen
- Differentiaalinen yksityisyys — kohinan lisääminen suojaksi
Edut
- Datan yksityisyys — data ei koskaan poistu laitteesta
- GDPR-yhteensopivuus — ei henkilötietojen siirtoa
- Hajautetun datan käyttö — pääsy suuriin määriin
- Pienempi viive — paikallinen käsittely
- Pienempi verkkokuormitus — vain parametrit siirretään
Sovellukset
- Älypuhelinnäppäimistöt — ennakoivan syötteen koulutus
- Terveydenhuolto — datan analysointi eri klinikoilta
- Rahoitus — yhteiset mallit ilman datan paljastamista
- IoT — koulutus reunalaitteilla
- Ajoneuvot — autopilotin parantaminen ilman videosiirtoa