بررسی الگوریتم یادگیری فدرال-راه حلی به منظور حفظ حریم خصوصی

امروزه دنیای فناوری به شدت به یادگیری ماشین و یادگیری عمیق و کاربردهای آن وابسته است. تمام مدل های یادگیری ماشین و یادگیری عمیق مزایای زیادی دارند اما با چالش هایی مثل حجم زیاد داده، انرژی زیاد برای انجام محاسبات و نیاز به حافظه برای بهبود عملکرد و دقت مواجه هستند. با توجه به اهمیت حریم خصوصی در جهان، اگر نیاز داشته باشیم درخواست دسترسی به بخشی از داده ها را بدهیم بدون این که مالکیت آن را به منابع متمرکز ذخیره سازی داده ها داشته باشیم عملیات بسیار دشواری خواهد بود. ایده یادگیری فدرال از قرار دادن مدل در منبع داده است که باعث شد چالش های پیش آمده به روش کارآمد تر حل شود و نیز بررسی و در نهایت به بررسی مدل های یادگیری، الگوریتم های تجمیع چارچوب ها، حریم خصوصی داده ها، امنیت و مدیریت منابع و چالش های پیش روی این یادگیری می پردازیم.

Keywords:

یادگیری فدرال , مدل جهانی , مدل محلی , حریم خصوصی , امنیت