Глоссарий ИИ
Полный словарь искусственного интеллекта
Локальное Разделение Данных
Разделение обучающих данных между различными клиентами без перекрытия и централизации. Это децентрализованное разделение составляет основу Федеративного Обучения и создает уникальные проблемы, связанные с не-IID и гетерогенностью данных.
Кросс-Сайло Федеративное Обучение
Вариант Федеративного Обучения, включающий небольшое количество надежных институциональных клиентов, таких как больницы или банки. Этот подход облегчает сотрудничество между организациями, соблюдая при этом регуляторные ограничения и конфиденциальность данных.
Кросс-Устройство Федеративное Обучение
Тип Федеративного Обучения, развертываемый на миллионах персональных устройств, таких как смартфоны, с прерывистым подключением. Эта конфигурация представляет специфические проблемы, связанные с масштабированием, задержкой и доступностью клиентов.
Гетерогенное Федеративное Обучение
Фреймворк обучения, учитывающий значительные вариации между клиентами с точки зрения распределения данных, вычислительной мощности и сетевого подключения. Гетерогенность составляет одну из основных проблем реального развертывания Федеративного Обучения.
Обновление Модели
Совокупность изменений параметров модели, вычисленных локально клиентом после одной или нескольких эпох обучения. Эти обновления затем передаются на сервер агрегации для улучшения глобальной модели.
Сохранение Конфиденциальности
Фундаментальная цель Федеративного Обучения, направленная на предотвращение раскрытия исходных обучающих данных клиентов. Сохранение конфиденциальности сочетает криптографические, статистические и архитектурные методы для защиты чувствительной информации.
Византийско-Устойчивое Федеративное Обучение
Вариант Федеративного Обучения, устойчивый к злонамеренным или неисправным клиентам, которые отправляют некорректные обновления. Византийская устойчивость гарантирует правильную сходимость модели, несмотря на наличие противников в системе.