Keep it Simple: Valutazione della tolleranza ai guasti dell'apprendimento federato con client inaffidabili
Author
Venue
IEEE Cloud 2023
Abstract
L'apprendimento federato (FL), in quanto approccio emergente nell'ambito dell'intelligenza artificiale (AI), consente l'addestramento decentralizzato dei modelli su più dispositivi senza esporre i dati di addestramento locali. L'FL sta acquisendo sempre maggiore popolarità sia in ambito accademico che industriale. Sebbene siano stati proposti lavori di ricerca volti a migliorare la tolleranza ai guasti dell'FL, l'impatto reale dei dispositivi inaffidabili (ad esempio, interruzioni, configurazioni errate, scarsa qualità dei dati) nelle applicazioni del mondo reale non è stato ancora pienamente studiato. Abbiamo scelto con cura due problemi di classificazione rappresentativi del mondo reale con un numero limitato di client per analizzare meglio la tolleranza ai guasti dell'FL. Contrariamente a quanto si potrebbe pensare, semplici algoritmi di FL possono funzionare sorprendentemente bene in presenza di client inaffidabili
