సులభంగా ఉంచండి: అవిశ్వసనీయ క్లయింట్లతో ఫెడరేటెడ్ లెర్నింగ్ యొక్క లోపాలను తట్టుకునే సామర్థ్యం మూల్యాంకనం
Author
Venue
IEEE క్లౌడ్ 2023
Abstract
ఫెడరేటెడ్ లెర్నింగ్ (FL), ఒక వర్ధమాన ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) విధానంగా, పరికరాల స్థానిక శిక్షణా డేటాను బహిర్గతం చేయకుండా బహుళ పరికరాలలో వికేంద్రీకృత మోడల్ శిక్షణను సాధ్యం చేస్తుంది. విద్యా మరియు పరిశ్రమ రంగాలలో FL ప్రజాదరణను పొందుతోంది. FL యొక్క లోపాల సహనాన్ని (fault tolerance) మెరుగుపరచడానికి పరిశోధన పనులు ప్రతిపాదించినప్పటికీ, వాస్తవ ప్రపంచ అనువర్తనాలలో అవిశ్వసనీయ పరికరాల (ఉదా., డ్రాపింగ్ అవుట్, తప్పు కాన్ఫిగరేషన్, పేలవమైన డేటా నాణ్యత) వాస్తవ ప్రభావం పూర్తిగా పరిశోధించబడలేదు. FL ఫాల్ట్ టాలరెన్స్ను మెరుగ్గా విశ్లేషించడానికి, మేము పరిమిత సంఖ్యలో క్లయింట్లతో కూడిన రెండు ప్రాతినిధ్య, వాస్తవ-ప్రపంచ వర్గీకరణ సమస్యలను జాగ్రత్తగా ఎంచుకున్నాము. ఊహకు విరుద్ధంగా, నమ్మకం లేని క్లయింట్లు ఉన్నప్పుడు కూడా సాధారణ FL అల్గారిథమ్లు ఆశ్చర్యకరంగా బాగా పనిచేయగలవు
