Приложения в федеративном машинном обучении

Авторы

  • Г. Бектемысова Международный университет информационных технологий, Казахстан
  • Г. Бакирова Международный университет информационных технологий, Казахстан
  • Г. Шайкемелов Международный университет информационных технологий, Казахстан

DOI:

https://doi.org/10.51301/ce.2023.i3.05

Ключевые слова:

федеративное обучение, отравляющая атака, децентрализованное обучение, централизованное обучение, кросс-сило

Аннотация

В статье определено, что федеративное обучение (FL) - это метод глубокого обучения, используемый в различных отраслях, включая медицину, сельское хозяйство, транспортные средства, розничную торговлю и финансы. Он обеспечивает конфиденциальность, владение данными, локализованное обучение моделей, эффективность использования полосы пропускания, обучение в реальном времени, масштабируемость и устойчивость к сбоям устройств. В медицине FL может улучшить представление о пациенте, разработку лекарств, анализ медицинских изображений, диагностику заболеваний и индивидуальное планирование лечения. В сельском хозяйстве FL может улучшить орошение, удобрение, сбор урожая и мониторинг здоровья животных. В розничной торговле FL может анализировать данные о поведении покупателей, сохраняя конфиденциальность. Как мы понимаем, федеративное обучение распределяет обучение моделей между локальными источниками данных, используя такие датчики, как GPS, микрофоны и камеры. Однако модели обучения могут быть взломаны различными угрозами, включая атаки с отравлением данных.

Загрузки

Опубликован

2023-09-30

Как цитировать

Bektemyssova, G. ., Bakirova, G. ., & Shaikemelev, G. . (2023). Приложения в федеративном машинном обучении. Computing &Amp; Engineering, 1(3), 25–28. https://doi.org/10.51301/ce.2023.i3.05

Выпуск

Раздел

Инновационные вычислительные системы и инженерные решения